基于邻近的推断和受限制的博尔茨曼机器用于小分子-miRNA关联预测

科学领域:

• 生物医学信息学 生物医学信息学
• 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) 是基因表达的关键调节者.
• 小分子 (SMs) 可以针对miRNA用于治疗目的.
• 识别SM-miRNA关联对于疾病治疗至关重要.

研究的目的:

• 开发一个计算模型来预测小分子-miRNA关联.
• 加强对疾病潜在治疗点的识别.

主要方法:

• 开发了NIRBMSMMA,集成了基于邻域的推理 (NI) 和受限制的博尔茨曼机器 (RBM).
• 根据已知的关联和相似性得分,NI可以预测SM-miRNA对.
• RBM使用双层神经网络来从已知的关联中学习概率分布.
• 一个合体学习模型将NI和RBM结合起来,可以进行可靠的预测.

主要成果:

• 在多种交叉验证方法中,NIRBMSMMA实现了高的曲线下面面积 (AUC) 值 (例如,在数据集1上的全球LOOCV中为0.9912).
• 在三个独立的数据集中观察到一致的高性能.
• 案例研究进一步验证了该模型的预测准确性.

结论:

• NIRBMSMMA是一个强大而准确的工具,用于预测潜在的小分子-miRNA关联.
• 该模型可以在发现新的治疗策略方面发挥重要作用.
• 这项工作通过计算药物发现推动了精准医学领域的发展.