应用负样本无误化和多视图功能用于 lncRNA-疾病关联预测

科学领域:

• 基因组学就是基因组学.
• 计算生物学 计算生物学
• 生物信息学是一种生物信息学.

背景情况:

• 长非编码RNAs (lncRNAs) 越来越多地与人类疾病的发病和预后有关.
• 准确预测 lncRNA-疾病关联 (LDA) 对于理解复杂疾病至关重要.
• 现有的计算方法在可靠的负样本生成和多视角的LDA信息集成方面扎.

研究的目的:

• 开发一种先进的计算方法来预测 lncRNA 与疾病的关联.
• 解决负样本选择和多视图功能集成在LDA预测中的挑战.
• 为了提高计算LDA预测模型的准确性和可靠性.

主要方法:

• 拟议的NDMLDA方法整合了多视图特征提取,无监督的负样本取消和堆叠组合分类器.
• 用于无监督负样本的K-平均值,以减轻样本失衡和噪声.
• 使用图表注意力网络来提取 lncRNA 和疾病的多视图特征.

主要成果:

• NDMLDA实现了高预测性能,其AUC为0.9907和AUPR为0.9927.
• 与基线方法相比,在预测 lncRNA-疾病关联方面表现优越.
• 显示了低的5倍交叉验证差异 (<0.1%),表明模型的稳定性.

结论:

• 通过利用多视图功能和强大的负样本处理,NDMLDA有效地预测lncRNA疾病关联.
• 该模型显示了癌症诊断和精准医学应用的巨大潜力.
• 开发的方法为与疾病相关的lncRNA识别的计算方法提供了有前途的进步.