MGCNRF:基于多个图形卷积网络和随机森林的疾病相关miRNAs的预测

科学领域:

• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学
• 基因组学就是基因组学.

背景情况:

• 微RNAs (miRNAs) 越来越多地被认为是它们在各种疾病中的作用.
• 鉴定miRNA-疾病关联 (MDAs) 的传统实验方法耗时且费力.
• 现有的MDA预测计算方法在性能和准确性方面存在局限性.

研究的目的:

• 开发一种先进的计算模型,用于预测miRNA-疾病关联 (MDA).
• 在预测性能和准确性方面克服当前方法的局限性.
• 为识别潜在的MDA提供可靠的计算工具.

主要方法:

• 开发了一个新型模型,多个图形卷积网络和随机森林 (MGCNRF).
• MGCNRF构建了四个两层异质网络,集成miRNA和疾病数据.
• 它使用分层注意力图卷积网络 (GCNs) 来提取嵌入,并使用随机森林 (RF) 预测MDA.

主要成果:

• 与七种最先进的方法相比,MGCNRF在五倍交叉验证中表现出优越的预测性能.
• 该模型实现了曲线下的高面积 (AUC),表明了强大的预测能力.
• 案例研究验证了MGCNRF用于预测潜在MDAs的科学理由和准确性.

结论:

• 在计算预测miRNA疾病协会 (MDAs) 中,MGCNRF提供了显著的进步.
• 该模型的高精度和验证的性能使其成为一种有价值的科学工具.
• MGCNRF可以加速新型MDA的发现,帮助疾病研究和治疗策略.