DMNAG:基于邻近聚合图形变压器的疾病代谢物协会预测
Pengli Lu1, Jiajie Gao1, Wenzhi Liu1
1School of Computer and Communication, Lanzhou University of Technology, Lanzhou 730050, China.
Computational biology and chemistry
|January 2, 2025
概括
这项研究引入了邻近聚合图形转换器 (NAGphormer) 来预测疾病代谢物协会 (DMNAG). 该模型显著改善了早期疾病诊断和高准确度的实验效率.
科学领域:
- 生物医学信息学是生物医学信息学.
- 计算生物学是一种计算生物学.
- 代谢学 代谢学 代谢学
背景情况:
- 代谢水平表明生物体的健康状况,疾病代谢物关系有助于早期诊断和风险预测.
- 识别这些关联的传统实验方法资源密集且耗时.
- 现有的预测模型在准确性和效率方面存在局限性.
研究的目的:
- 开发一种新的计算方法,邻近聚合图形变压器 (NAGphormer),用于预测疾病代谢物协会 (DMNAG).
- 提高识别潜在疾病代谢物联系的效率和准确性,指导生物实验.
- 为早期疾病诊断和风险评估提供可靠的工具.
主要方法:
- 使用高斯核的疾病相似性,代谢物的物理化学相似性和已知的关联性构建了一个双部分异质网络.
- 纳入疾病的语义相似性和Mol2vec对代谢物的相似性作为节点特征向量.
- 利用一个Hop2Token模块来捕获多跳邻里信息和一个变压器模型进行边缘预测.
主要成果:
- 在五倍交叉验证中,AUC为0.9801和AUPR为0.9818的高性能.
- 通过案例研究证明了模型的可靠性和优越性,其中大多数预测的关联得到了验证.
- 成功预测了潜在的疾病代谢物协会,并且具有显著的准确性.
结论:
- NAGphormer是一种强大而可靠的方法,用于预测疾病代谢因子的关联.
- 该模型为传统的实验方法提供了更有效,更准确的替代方案.
- 这项工作为生物实验,疾病诊断和风险预测提供了宝贵的见解.
