伯特NDA:一种基于图形-伯特和多尺度信息融合的模型,用于ncRNA-疾病关联预测

科学领域:

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

背景情况:

• 非编码RNA (ncRNA) 在人类生物过程中至关重要,但它们与疾病的复杂相互作用难以预测.
• 准确预测ncRNA与疾病的关系对于推进疾病诊断,预防和治疗策略至关重要.

研究的目的:

• 开发一种精确的计算方法,BertNDA,用于预测非编码RNA (miRNA, lncRNA) 和疾病之间的三级相互作用.
• 为了解ncRNA与疾病的关联及其影响提供一个有效和全面的工具.

主要方法:

• 伯特NDA使用了变压器编码器架构来识别ncRNAs的本地和全球特征.
• 通过无连接子图捕获本地信息,而使用拉普拉斯变换和Weisfeiler-Lehman (WL) 绝对角色编码提取全球信息.
• 一个元素明智的MLP (EMLP) 融合了对联的全球信息,然后是用于相关性评分的预测层.

主要成果:

• 在预测ncRNA与疾病的关联方面,BertNDA显著优于现有的最先进的方法.
• 该方法显示了各种生物应用的巨大潜力.
• 开发了一个交互式在线预测平台,提高了用户的可访问性.

结论:

• 伯特NDA提供了一种准确而有效的方法来预测ncRNA与疾病之间的三级关联.
• 开发的平台为基因组学和生物信息学研究人员提供了宝贵的资源.
• 这项工作有助于更好地了解和管理与ncRNA失调相关的疾病.