HMCDA:一种基于异质图神经网络和circRNA疾病关联预测元路的新方法

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RNA (CircRNAs) 是一种非编码RNA,具有作为疾病生物标志物的潜力.
• 识别circRNA疾病关联的传统方法是耗时和劳动密集的.

研究的目的:

• 开发一种新的计算方法来预测circRNA与疾病的关联.
• 提高识别疾病潜在circRNA生物标志物的效率和准确性.

主要方法:

• 构建了一个整合circRNA-disease,circRNA-miRNA,miRNA-disease和疾病-疾病关联的异质图.
• 定义了六个基于生物医学途径的特征提取的元路径.
• 员工实体内容转换和内/间元路聚合用于学习circRNA和疾病嵌入.

主要成果:

• 拟议的HMCDA方法在五倍交叉验证中,与四个最先进的模型相比,表现优越.
• 广泛的实验证实了HMCDA在预测新型circRNA疾病关联方面的有效性.
• 案例研究验证了HMCDA识别以前未知的circRNA与疾病关系的能力.

结论:

• HMCDA提供了一种高效准确的计算方法来预测circRNA与疾病的关联.
• 该方法在发现各种疾病的新型circRNA生物标志物方面具有重大潜力.
• 通过为疾病关联研究提供强大的工具,HMCDA推动了生物信息学领域的发展.