MRDPDA:一种多拉普拉斯调节的深FM模型,用于预测piRNA与疾病的关联

科学领域:

• 生物化学 生物化学
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• 与PIWI相互作用的RNAs (piRNAs) 是关键的小型非编码RNAs,参与基因调节和基因组稳定.
• 作为许多疾病的生物标志物和治疗点,piRNAs显示出前景.
• 由于数据的局限性,当前的计算方法难以准确预测piRNA-疾病关联 (PDA).

研究的目的:

• 开发一种新的计算方法,MRDPDA,用于从有限的多源数据中预测PDA.
• 通过将深度分解机 (deepFM) 与专门的规范化技术集成,提高PDA预测的准确性.

主要方法:

• MRDPDA采用深度FM模型,结合使用单独的拉普拉西亚语从多个有限数据集的规范化.
• 一个统一的目标函数整合了嵌入损失的相似性,优化了嵌入的预测.
• 使用了平衡基准数据集 (piRPheno) 和用于负集生成的深度自动编码器.

主要成果:

• 与piRPheno数据集上的三种最先进的方法相比,MRDPDA表现优越.
• 该方法在五倍交叉验证和独立测试中都取得了高精度.
• 案例研究证实了MRDPDA在识别PDA方面的实际有效性.

结论:

• MRDPDA提供了一种强大而有效的方法来预测piRNA-疾病的关联,特别是在有限的数据.
• 开发的方法对识别新型疾病生物标志物和涉及piRNAs的治疗策略有重大影响.
• 这项工作推进了小型非编码RNA研究和疾病关联研究的计算方法.