多视图多注意力图学习与堆深度矩阵因子化为circRNA-药物敏感性协会识别识别

科学领域:

• 计算生物学 计算生物学
• 基因组学就是基因组学.
• 药理学 药理学是指药理学的学科.

背景情况:

• 识别循环RNA (circRNA) -药物敏感性关联 (CDsA) 对药物开发至关重要.
• 传统的湿实验对于确定CDsA是低效和昂贵的.
• 现有的计算方法有局限性,特别是假负关联.

研究的目的:

• 提出一个多视图框架,MAGSDMF,用于识别潜在的CDsA.
• 克服当前CDsA预测方法的局限性,特别是虚假负数.
• 为了提高circRNA药物关联预测的准确性和可靠性.

主要方法:

• MAGSDMF使用多个注意力机制和图形学习来在circRNA和药物相似性网络中提取特征.
• 自深矩阵因子化 (SDMF) 用于直接从CDsAs中提取特征.
• 一个多注意力通道机制集成了用于CDsA重建的特征,其次是用于潜在CDsA识别的另一个DMF.
• 整合了对比式学习 (CL) 来改善模型概括.

主要成果:

• 在两个数据集上,MAGSDMF在识别潜在的CDSA方面表现出卓越的表现.
• 使用5倍交叉验证,达到0.9743和0.9739的高AUC值.
• 案例研究证实了MAGSDMF在识别真实关联方面的可靠性.

结论:

• MAGSDMF提供了一种有效的计算方法,用于预测circRNA-药物敏感性关联.
• 多视图框架增强了特征提取和集成,以提高预测准确度.
• 这种方法有望通过有效地识别潜在的治疗点来加速药物开发.