相关实验视频
Updated: Jun 25, 2026
06:16
mirMachine: A One-Stop Shop for Plant miRNA Annotation
Published on: May 1, 2021
基于DeepWalk的图形嵌入用于使用深度神经网络进行miRNA-疾病关联预测
1Major of Big Data Convergence, Division of Data Information Science, Pukyong National University, Busan 48513, Republic of Korea.
Biomedicines
|March 28, 2025
概括
这项研究引入了一种基于DeepWalk的新方法 (DWMDA),用于预测微RNA与疾病的关联. DWMDA有效地识别了与疾病相关的关键微RNA,有助于了解疾病机制并加速研究.
科学领域:
- 基因组学就是基因组学.
- 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:
- 微RNAs (miRNAs) 是生物过程和疾病发展的关键调节者.
- 识别miRNA与疾病的关联对于理解人类疾病至关重要.
- 用于发现miRNA与疾病的关联的实验方法耗时且昂贵.
研究的目的:
- 提出一种新的计算方法来预测miRNA与疾病的关联.
- 为了利用图形嵌入技术来增强关联预测.
- 为大规模的miRNA疾病研究开发一种可扩展和有效的方法.
主要方法:
- 开发了一个基于DeepWalk的图形嵌入方法 (DWMDA).
- 使用DeepWalk从miRNA和疾病网络中提取了低维向量.
- 使用深度神经网络,根据提取的载体预测miRNA与疾病的关联.
主要成果:
- 在预测miRNA与疾病的关联方面,DWMDA表现出了卓越的表现.
- 废除研究验证了图形嵌入模块的有效性.
- 关于乳腺癌和肺癌的案例研究显示了统计学上强大和可靠的结果.
结论:
- 该DWMDA模型有助于准确预测与疾病相关的miRNAs.
- 拟议的框架可用于探索各种生物实体之间的相互作用.
- 这种计算方法为实验方法提供了更有效的替代方案.
更多相关视频
07:35A Knowledge Graph Approach to Elucidate the Role of Organellar Pathways in Disease via Biomedical Reports
Published on: October 13, 2023
09:47DeepOmicsAE: Representing Signaling Modules in Alzheimer's Disease with Deep Learning Analysis of Proteomics, Metabolomics, and Clinical Data
Published on: December 15, 2023