肌肉:多视图和多尺度的注意力特征融合,用于预测微RNA与疾病的关联
Boya Ji1, Haitao Zou1,2, Liwen Xu1
1College of Computer Science and Electronic Engineering, Hunan University, Changsha 410082, China.
Briefings in bioinformatics
|April 12, 2024
概括
这项研究介绍了MUSCLE,这是一个新的计算模型,通过分析复杂的细胞关系来预测与疾病相关的microRNA (miRNA). 肌肉增强了人类疾病的生物标志物发现,改善了诊断和治疗策略.
科学领域:
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
- 计算生物学 计算生物学
背景情况:
- 微RNA (miRNA) 在生物过程和疾病发展中起着至关重要的作用.
- 目前用于预测miRNA-疾病关联的方法往往忽视了细胞相互作用的复杂,多关系性质.
- 识别与疾病相关的miRNA对于开发有效的生物标志物和治疗策略至关重要.
研究的目的:
- 开发一种新的计算模型,MUSCLE,用于预测潜在的miRNA-疾病关联.
- 通过结合多视图关系和先前属性知识来解决现有方法的局限性.
- 提高miRNA-疾病关联预测的准确性和稳定性,特别是对于新型或未经研究的miRNA和疾病.
主要方法:
- 构建一个集成miRNA-生物分子和miRNA-疾病关系的多视图图.
- 图表注意力神经网络的应用,在多个视图中学习拓特征.
- 开发一个具有注意力机制的多尺度特征融合模块,以实现最佳特征集成.
- 整合miRNA和疾病的先前属性知识,以提高预测和解决冷启动问题.
- 使用多层感知子进行端到端的训练,用于预测miRNA与疾病的关联.
主要成果:
- 肌肉模型实现了高预测性能,ROC曲线下的平均面积为0.966 (5倍CV) 和0.973 (10倍CV).
- 肌肉在预测miRNA-疾病关联方面表现优于现有的大多数最先进的模型.
- 废弃实验和参数灵敏度分析证实了模型架构和特征集成策略的有效性.
- 结肠癌,肺癌和乳腺癌的案例研究表明,肌肉在识别相关miRNA疾病联系方面具有强大的诱导能力.
结论:
- 肌肉提供了一个有效和强大的框架,通过利用多视图图表学习和特征融合来预测miRNA疾病关联.
- 该模型结合先前知识的能力有效地解决了miRNA-疾病关联预测中的冷启动问题.
- 这些发现凸显了肌肉作为生物标志物发现和推进瘤学个性化医学的宝贵工具的潜力.
