BCMCMI:用于预测circRNA-miRNA相互作用的融合模型,结合语义和元路径
Meng-Meng Wei1, Chang-Qing Yu1, Li-Ping Li2
1School of Information Engineering, Xijing University, Xi'an, Shaanxi 710123, China.
Journal of chemical information and modeling
|August 3, 2023
概括
预测circRNA-miRNA相互作用 (CMI) 对疾病研究至关重要. 一个新的计算模型,BCMCMI,使用BERT和网络分析准确地识别这些相互作用,为实验室实验提供了更快的替代方案.
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:
- 循环RNAs (circRNAs) 和微RNAs (miRNAs) 是疾病发病的关键参与者.
- 了解circRNA-miRNA相互作用 (CMI) 对疾病诊断和治疗至关重要.
- 传统的CMI预测实验方法资源密集且耗时.
研究的目的:
- 开发一个准确和高效的计算模型来预测circRNA-miRNA相互作用.
- 利用序列和网络信息进行增强的CMI预测.
- 提供一个有价值的计算工具,补充疾病研究中的实验方法.
主要方法:
- 利用BERT算法从circRNA和miRNA中提取语义序列特征.
- 构建了一个异质网络,结合了同位数相似性和已知的CMI数据.
- 使用Metapath2vec通过网络随机步行来捕获拓和相似性特征.
- 应用了XGBoost分类器来最终预测潜在的CMI.
主要成果:
- 与现有的最先进的方法相比,BCMCMI模型在CMI预测方面表现优越.
- 在两个基准数据集上进行评估,BCMCMI实现了显著的准确性.
- t-SNE可视化证实了特征提取和分布的有效性.
结论:
- BCMCMI提供了一个高度准确的计算方法来预测circRNA-miRNA相互作用.
- 该模型有效地整合了序列和基于网络的功能,以实现可靠的预测.
- 在CMI研究中,BCMCMI是传统实验方法的有效和有价值的补充.


