HHOMR:一种混合高阶时刻残余模型,用于预测miRNA与疾病的关联
Zhengwei Li1,2,3, Lipeng Wan1, Lei Wang1,2
1School of Computer Science and Technology, China University of Mining and Technology, Xuzhou 221116, China.
Briefings in bioinformatics
|August 23, 2024
概括
这项研究引入了HHOMR,这是一种用于预测微RNA与疾病关联的新型计算模型. HHOMR显著提高了准确性,为疾病研究的实验方法提供了更快,更具成本效益的替代方案.
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RNAs (miRNAs) 是疾病预测和诊断的关键生物标志物.
- 实验性识别miRNA疾病关联是资源密集的.
- 开发高效的计算模型对于推进miRNA疾病研究至关重要.
研究的目的:
- 提出一种新的计算模型,HHOMR,用于预测miRNA-疾病关联.
- 整合混合高阶时刻与元素级注意力机制,以增强特征提取.
- 验证模型在疾病关联预测中的性能和潜力.
主要方法:
- 构建了已知的miRNA-疾病关联的异质图.
- 采用结构融合层用于结构层嵌入.
- 利用混合高阶时刻编码器和元素级注意力来实现功能集成.
- 应用了多层感知子来计算关联得分.
主要成果:
- 通过五倍交叉验证,在HMDD v2.0数据集上获得了93.28%的平均AUC.
- 与四个最先进的模型相比,HHOMR表现出卓越的性能.
- 案例研究证实了高比例的预测miRNA疾病协会对于食道瘤,淋巴瘤和前列腺瘤.
结论:
- HHOMR有效地预测了miRNA-疾病的关联,超过了现有的方法.
- 该模型显示了加速疾病研究和生物标志物发现的巨大潜力.
- 与传统的实验方法相比,HHOMR提供了一种具有成本效益和时间效率的方法.
