预测潜在的微生物疾病关联与图表注意力自编码器,积极无标签学习和深度神经网络
Lihong Peng1,2, Liangliang Huang1, Geng Tian3
1School of Computer Science, Hunan University of Technology, Zhuzhou, China.
Frontiers in microbiology
|October 4, 2023
概括
一种新的计算方法,GPUDMDA,准确地预测了微生物疾病关联 (MDA). 该工具通过分析微生物和疾病相似性,帮助识别复杂疾病的潜在治疗点.
科学领域:
- 计算生物学是一种计算生物学.
- 微生物组研究的研究.
- 基因组学和生物信息学
背景情况:
- 微生物失衡与各种人类疾病有关.
- 准确识别微生物疾病关联 (MDAs) 对诊断和治疗至关重要.
- 实验MDA预测是昂贵和耗时的.
研究的目的:
- 开发一种高效的计算方法,用于预测微生物与疾病的关联 (MDA).
- 利用先进的机器学习技术来提高MDA预测的准确性.
主要方法:
- 开发了GPUDMDA,集成图表注意力自编码器,积极无标签学习和深度神经网络.
- 计算机微生物和疾病相似性矩阵使用功能和高斯关联配置文件内核相似性.
- 采用积极未标记的学习来识别可靠的负MDA对.
- 利用深度神经网络,基于已学习的特征进行最终的MDA预测.
主要成果:
- 在对HMDAD和Disbiome数据库的交叉验证测试中,GPUDMDA的性能超过了四种最先进的方法.
- 获得了高AUC值,包括HMDAD上的0.9501和Disbiome上的0.8948.
- 确定了Enterobacter hormaechei和喘/炎症性肠病之间的潜在关联.
结论:
- GPUDMDA显示了预测微生物与疾病相关性的巨大潜力.
- 该方法可以加速对微生物相关疾病的治疗线索的选.
