MHGTMDA:基于生物实体图的分子异质图形变压器,用于预测miRNA-疾病关联

科学领域:

• 生物医学信息学 生物医学信息学
• 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) 是复杂疾病的关键调节者,影响预防,预后,诊断和治疗.
• 目前用于预测miRNA-疾病关联 (MDA) 的计算方法经常忽视人体复杂生物系统中的间接相关性.
• 需要一种全面的方法来整合多样化的生物分子关系,以准确预测MDA.

研究的目的:

• 开发一种新的计算模型,MHGTMDA,用于预测miRNA与疾病的关联.
• 为了利用一个包含多个生物分子实体的异质图形变压器方法.
• 为了提高miRNA-疾病关联预测的准确性和全面性.

主要方法:

• 构建了一个全面的异质生物实体图,整合了八个生物分子的关系.
• 开发了MHGTMDA,一种异质图形变压器模型,用于预测潜在的miRNA-疾病关联.
• 使用5倍交叉验证和特征消去实验验验证模型.

主要成果:

• MHGTMDA实现了0.9569的接收器运行特征曲线 (AUC) 下的面积,比现有方法高出3%以上.
• 特征废除研究证实了整合多生物分子特征的有效性,以揭示miRNA与疾病的相关性.
• 乳腺和肺癌的差异表达分析验证了MHGTMDA识别与疾病相关的新型,差异表达的miRNA的能力.

结论:

• 通过捕捉复杂的分子相互作用,MHGTMDA提供了一个强大的工具来预测miRNA-疾病的关联.
• 该模型能够整合多样化的生物分子数据,从而提高了潜在疾病生物标志物的识别能力.
• MHGTMDA通过更好地了解复杂疾病中的miRNA角色,展示了推动精准医学的巨大潜力.