基于稀疏的自编码器和MLP的miRNA和疾病关联的预测
Si-Lin Sun1, Bing-Wei Zhou1, Sheng-Zheng Liu1
1Department of Information Science Technology, Hainan Normal University, Haikou, Hainan, China.
Frontiers in genetics
|June 14, 2024
概括
我们开发了一种新的深度学习方法 (SPALP),用于预测微RNA (miRNA) 与疾病之间的关联. 这种方法显著提高了预测的准确性,有助于了解疾病机制和开发新的治疗方法.
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RNA (miRNA) 是小的,非编码的RNA分子,具有关键的调节功能.
- 异常miRNA表达越来越多地与各种人类疾病有关.
- 了解miRNA与疾病的关联对于阐明疾病发病因子和确定治疗点至关重要.
研究的目的:
- 提出和验证一种新的计算方法,用于预测miRNA与疾病的关联.
- 利用深度学习技术来提高识别这些关系的准确性.
- 为发现潜在的生物标志物和与miRNA和疾病相关的治疗策略提供一个工具.
主要方法:
- 开发了一种稀疏的自编码器和多层感知子 (MLP) 方法 (SPALP).
- 稀缺的自编码器被用于特征学习和提取miRNA和疾病的潜在特征.
- 隐藏特征与miRNA功能相似性和疾病语义相似性数据集成,以构建基于MLP的预测的全面数据集.
主要成果:
- 该方法实现了94.61%的高预测精度和0.9859.9的AUC值.
- 对比实验表明,与传统和现有的深度学习方法相比,性能优越.
- 案例研究表明,成功预测了与五种常见老年疾病相关的顶级miRNA,其验证率很高.
结论:
- 在SPALP方法有效预测miRNA疾病的关联,为生物信息学研究提供了一个强大的工具.
- 这种方法解决了分析大规模omics数据的挑战.
- SPALP有助于更深入地了解miRNA在疾病进展中的作用和潜在的临床应用.
