DeepWalk-aware图表与CNN的注意力网络,用于circRNA-药物敏感性关联识别
Guanghui Li1, Youjun Li1, Cheng Liang2
1School of Information Engineering, East China Jiaotong University, Nanchang, China.
Briefings in functional genomics
|December 7, 2023
概括
一种新的深度学习方法,DGATCCDA,准确地预测循环RNA药物敏感性关联. 这种计算方法提高了确定疾病潜在治疗点的效率和有效性.
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) 是对人类健康和疾病至关重要的非编码RNA分子.
- 通过实验预测circRNA-药物敏感性关联是低效的,昂贵的和耗时的.
- 迫切需要先进的计算方法来预测circRNA与药物敏感性的联系.
研究的目的:
- 开发一种高效准确的基于深度学习的计算方法,用于识别circRNA与药物敏感性的关联.
- 引入DGATCCDA,一种用于预测潜在circRNA药物相互作用的新方法.
主要方法:
- 使用circRNA和药物特征信息构建多式联网.
- 雇佣了DeepWalk-aware图表注意力网络,以从多式联网网络中提取特征.
- 结合使用层注意力提取特征,并使用内部产品方法构建关联矩阵.
主要成果:
- 在5倍的交叉验证中,DGATCCDA实现了接受器运行特征曲线 (AUC) 下的平均面积为91.18%.
- 该方法的性能优于现有的五种最先进的计算方法.
- 一个案例研究表明,DGATCCDA在发现隐藏的circRNA药物敏感性关联方面的有效性.
结论:
- DGATCCDA是一个高效的计算工具,用于预测circRNA-药物敏感性关联.
- 该方法在效率和准确性方面比现有技术显著提高.
- DGATCCDA有望加速发现涉及circRNAs的新疗法策略.
更多相关视频
08:15Author Spotlight: Network Pharmacology and Molecular Docking to Decipher the Action of Jiawei Shengjiang San Against Diabetic Kidney Disease
Published on: May 10, 2024
591
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
1.1K
