CMFHMDA:基于跨域矩阵因子化的人类疾病-微生物关联的预测框架
1School of Electronic and Information Engineering, Suzhou University of Science and Technology, 215009 Suzhou, China.
Briefings in bioinformatics
|September 26, 2024
概括
这项研究引入了一种新的计算方法,即人类疾病-微生物协会 (CMFHMDA) 的跨域矩阵因子化,以预测微生物-疾病联系. CMFHMDA模型有效地识别了潜在的微生物与疾病的关联,有助于诊断和治疗.
科学领域:
- 微生物学 微生物学
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 识别微生物与疾病的关联对于制定新的健康战略至关重要.
- 这些关联的实验室验证是昂贵和耗时的.
- 需要有效的计算工具来预测微生物与疾病的联系.
研究的目的:
- 开发一种新的计算算法,即人类疾病-微生物关联 (CMFHMDA) 的跨域矩阵因数分解,用于预测微生物-疾病关联.
- 利用网络数据和矩阵分解来提高预测准确度.
主要方法:
- 计算的复合疾病相似性和微生物的高斯相互作用概况相似性.
- 利用加权K最近已知的邻居 (WKNKN) 算法来完善微生物-疾病关联矩阵.
- 在CMFHMDA模型中,微生物和疾病的综合跨领域网络数据.
主要成果:
- CMFHMDA模型在多种交叉验证方法中显示出高精度.
- 在ROC曲线下的实现面积得分为0.9172 (全球LOOCV),0.8551 (本地LOOCV) 和0.9351 (五倍CV).
- 许多预测的微生物疾病关联得到了现有实验研究的验证.
结论:
- CMFHMDA是一种有效的计算框架,用于预测微生物与疾病的关联.
- 该模型的准确性和验证表明其在识别潜在的疾病相关微生物方面的实用性.
- 这种方法可以加速发现用于诊断和治疗的微生物点.


