MLNGCF:通过基于神经图的多层注意力协作过来预测circRNA疾病关联

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) 是生物过程中的关键调节者,与各种疾病相关的异常表达.
• 研究circRNA与疾病的关联对于理解疾病机制至关重要.
• 这些关联的传统湿实验室验证是昂贵和耗时的,需要计算方法.

研究的目的:

• 开发一种先进的计算方法来预测circRNA与疾病的关联.
• 解决当前方法在circRNA与疾病相互作用中考虑潜伏特征方面的局限性.

主要方法:

• 提出了一个基于神经图的多层注意力协作过 (MLNGCF) 模型.
• 自动编码器被用来增强circRNA和疾病的初始特征.
• 一个多层合作的注意力机制被应用到一个高级特征提取的中央网络.
• 基于神经网络的协作过用于预测和模型参数更新.

主要成果:

• 与最先进的方法相比,拟议的MLNGCF方法显示出更高的性能.
• 在基准数据集上的实验结果验证了MLNGCF的有效性.
• 案例研究通过文献支持证实了预测的circRNA疾病关联的生物学相关性.

结论:

• MLNGCF提供了一种强大而准确的计算工具,用于预测circRNA与疾病的关联.
• 该方法捕捉潜伏特征的能力提高了对这些关键生物联系的预测.
• 源代码和数据集的开放可用性有助于进一步的研究和应用.