PCDA-HNMP:使用异质网络和元路径预测circRNA疾病关联

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:

• 循环RNAs (circRNAs) 越来越多地被认为是通过微RNA (miRNA) 相互作用在人类疾病中的调节作用.
• circRNAs作为疾病生物标志物和治疗点具有前景,但它们与疾病 (CDA) 的关联难以实验确定.
• 计算方法为预测CDA提供了有效的替代方案,这对于理解复杂疾病和推进向治疗至关重要.

研究的目的:

• 开发一种新的计算方法,PCDA-HNMP,用于预测circRNA-疾病关联 (CDA).
• 利用异质网络分析和元路径挖掘来提取circRNA和疾病的信息特征.
• 通过结合miRNA-疾病关联 (mDAs) 来提高预测性能.

主要方法:

• 构建了一个整合circRNAs,mRNAs,miRNAs和疾病的异质网络.
• 从异质网络中提取元路径以挖掘隐藏的关联并创建元路径诱导的网络.
• 从这些网络中提取特征,将它们与mDA结合起来,并利用XGBoost进行CDA预测.

主要成果:

• 在五倍交叉验证中,PCDA-HNMP方法实现了0.9846的高曲线下面积 (AUC).
• 该模型的性能因包含miRNA-疾病关联 (mDAs) 而显著提高.
• 分析表明,来自验证的CDA的元路径对预测准确度做出了最重要的贡献.

结论:

• PCDA-HNMP是一种高效的计算方法,用于预测circRNA与疾病的关联.
• 纳入mDA对于提高CDA预测模型的准确性至关重要.
• 这项研究强调了异质网络分析和元路径挖掘在发现复杂的生物关系中的有用性.