通过基于签名消息传播的多尺度变化图自编码器识别微生物疾病签名协会
Huan Zhu1, Hongxia Hao2, Liang Yu3
1School of Computer Science and Technology, Xidian University, Xi'an, China.
BMC biology
|August 15, 2024
概括
这项研究介绍了MSignVGAE,这是一种用于预测微生物疾病标志关联的新框架. 该方法准确地识别了微生物与疾病的联系,有助于精准医学和早期诊断.
科学领域:
- 微生物学 微生物学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 人类微生物组在健康和疾病中起着至关重要的作用.
- 识别与疾病相关的微生物对于早期诊断和精准医学至关重要.
研究的目的:
- 开发一个框架来预测微生物疾病的信号关联.
- 提高对微生物在疾病状态中的作用的理解.
主要方法:
- MSignVGAE框架使用签名消息传播和图形变异自动编码器.
- 采用多尺度概念和无噪声自动编码器,以提供可靠的数据表示.
- 模型微生物疾病协会作为具有相似性特征的异质图.
- 使用XGBoost来预测符号关联.
主要成果:
- MSignVGAE实现了高性能,AUROC为0.9742和AUPR为0.9601.1,其中AUROC为0.9601.
- 证明了在案例研究中有效捕获关联分布.
- 成功地利用签名信息进行准确的预测.
结论:
- MSignVGAE准确地预测了微生物疾病的标志关联.
- 该框架提供了对微生物在疾病中的作用的全面了解.
- 强调MSignVGAE在推进精准医学方面的潜力.


