MAGCDA:一个多节点注意力图神经网络方法,用于CircRNA-疾病协会预测

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:

• 循环RNAs (circRNAs) 在人类疾病中起着至关重要的作用.
• 与疾病相关的circRNAs是有价值的生物标志物和治疗点.
• 目前用于circRNA疾病关联 (CDA) 预测的计算方法缺乏上下文信息,限制了性能.

研究的目的:

• 开发一种先进的计算方法来预测circRNA-疾病关联 (CDAs).
• 通过结合生物网络背景来提高CDA预测的准确性.
• 为了确定新的疾病相关的circRNAs用于诊断和治疗应用.

主要方法:

• 构建了circRNA和疾病的多源属性异质网络.
• 采用多跳注意力图神经网络 (MAGCDA) 来汇总节点上下文信息.
• 使用随机森林分类器进行最终的CDA推断.

主要成果:

• 在四个黄金标准数据集上,MAGCDA实现了高预测准确度 (92.58%,91.42%,83.46%,91.12%).
• 与现有模型相比,在废弃实验和比较分析中表现出优异的性能.
• 在案例研究中分别确定了18个和17个潜在的与疾病相关的乳腺癌和阿尔茨海默病的circRNA.

结论:

• 通过利用网络背景,MAGCDA有效地推断出潜在的circRNA疾病关联.
• 该方法为探索新型疾病相关的circRNAs提供了一个强大的工具.
• 结果为涉及circRNAs的疾病诊断和治疗策略提供了理论基础.