ESGC-MDA:使用增强的简单图形卷积网络识别miRNA疾病关联
IEEE/ACM transactions on computational biology and bioinformatics
|October 28, 2024
概括
这项研究介绍了ESGC-MDA,一种用于预测微RNA (miRNA) -疾病关联的新计算方法. 它增强了图形神经网络特征,提高了疾病诊断和治疗策略的准确性.
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) 在人类疾病发展中至关重要.
- 精确识别miRNA与疾病的关联有助于疾病的诊断和治疗.
- 需要有效的计算预测方法来减少实验成本和时间.
研究的目的:
- 开发一种有效的计算方法来预测miRNA与疾病的关联.
- 为了应对在基于图形神经网络的预测中高质量的特征表示的挑战.
- 为预测miRNA疾病关联 (ESGC-MDA) 提出增强的简单图形卷积网络.
主要方法:
- 使用miRNAs和疾病的多源相似性构建了一个双边归因图.
- 通过随机消息丢弃和简单卷积网络中的自适应层聚合来增强节点特征表示.
- 使用完全连接的神经网络解码器计算miRNA-疾病对预测得分.
主要成果:
- 与最先进的方法相比,ESGC-MDA在HDMM v2.0和HMDD v3.2数据集上的5倍和10倍交叉验证中表现优越.
- 对心血管疾病,肺癌和结肠癌的案例研究证实了该模型的有效性.
- 实现了高质量的特征表示,以改善miRNA-疾病关联预测.
结论:
- ESGC-MDA提供了一种有效和高效的方法来预测miRNA-疾病的关联.
- 该方法增强了图形神经网络中的特征表示学习,用于此任务.
- 这些发现支持ESGC-MDA在推进疾病诊断和治疗策略方面的实用性.


