MVNMDA:一个多视图网络,结合语义和全球特征,用于预测miRNA-Disease关联
Chen Yang1, Zhen Wang1, Shanwen Zhang1
1School of Electronic Infomation, Xijing University, Xi'an 710123, China.
Molecules (Basel, Switzerland)
|January 11, 2024
概括
这项研究介绍了MVNMDA,一种用于预测微RNA与疾病关联的新型计算模型. MVNMDA集成了多视图功能以提高准确性,为疾病查和治疗开发提供了更有效的方法.
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:
- 微RNAs (miRNAs) 在人类疾病的发展和进展中至关重要.
- 确定miRNA与疾病的关联对于疾病查和治疗至关重要.
- 传统的miRNA疾病关联识别实验方法是繁的,耗时的,并且与大型数据集作斗争.
研究的目的:
- 开发一个高效的计算模型来预测潜在的miRNA-疾病关联.
- 克服依赖于不完整外部数据库的现有方法的局限性.
- 为了提高miRNA-疾病关联预测的准确性和适用性.
主要方法:
- 提出了一个多视图计算模型,MVNMDA,整合了miRNA和疾病特征的本地,全球和语义视图.
- 已知关联信息被用来构建初始节点特征.
- 建立了多个网络来提取低维特征嵌入.
- 一个级联注意力分类器被用于特征融合和精确的预测.
主要成果:
- 与现有的计算方法相比,MVNMDA在HMDD v2.0和HMDD v3.2数据集上表现出优异的性能.
- 广泛的实验验证了拟议的多视角方法的有效性.
- 案例研究证实了MVNMDA可靠的预测性能.
结论:
- MVNMDA提供了一种有效和高效的计算方法,用于预测miRNA与疾病的关联.
- 该模型的多视图集成策略提高了预测准确度.
- MVNMDA在推进疾病查和治疗策略方面具有重大潜力.


