RDRGSE:通过结合图形骨架提取和注意特征融合来发现非编码RNA药物耐药性的框架
Ping Zhang1, Zilin Wang1, Weicheng Sun1
1Hubei Key Laboratory of Agricultural Bioinformatics, College of Informatics, Huazhong Agricultural University, Wuhan 430070, China.
ACS omega
|August 7, 2023
概括
这项研究介绍了RDRGSE,这是一个计算框架,可以准确预测非编码RNA (ncRNA) -药物耐药性关联. 该方法增强了对ncRNA功能的理解,并有助于识别耐药性生物标志物.
科学领域:
- 计算生物学是一种计算生物学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 识别非编码RNA (ncRNA) -药物耐药性关联在计算上有助于理解分子机制,并降低实验成本.
- 现有的图形神经网络方法面临挑战,因为在预测这些关联时,有噪音数据.
研究的目的:
- 开发一个强大的计算框架,RDRGSE,用于准确预测ncRNA-药物耐药性关联.
- 通过解决生物数据中的噪声来提高ncRNA-耐药性协会预测的可靠性.
主要方法:
- 构建了一个原始的ncRNA-药物耐药性关联双部分图.
- 采用双视图骨架提取策略和图形神经网络估计器来优化图形结构和学习嵌入.
- 利用适应性注意力特征融合用于最终边缘嵌入和潜在关联的预测.
主要成果:
- 在发现ncRNA与药物耐药性关联方面,RDRGSE表现出了显著的优势.
- 与最先进的方法相比,AUC有6.7%的改善,AUPR有6.1%的改善.
- 废除研究和案例研究证实了该框架的概括能力和稳定性.
结论:
- RDRGSE提供了一种强大的计算方法,用于预测ncRNA-药物耐药性关联.
- 该框架可以作为有效的查工具,用于识别耐药性生物标志物.


