集成变压器和图形注意网络用于circRNA-miRNA相互作用预测
IEEE journal of biomedical and health informatics
|April 15, 2025
概括
EGATCMI是一种新的计算模型,通过整合序列和全球网络特征,准确地预测circRNA-miRNA相互作用 (CMI). 这一进步有助于理解基因调节,并识别与疾病相关的分子机制.
科学领域:
- 计算生物学是一种计算生物学.
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 环RNA-miRNA相互作用 (CMI) 在细胞基因调节中至关重要.
- 异常的CMI与各种疾病有关.
- 现有的预测模型忽视了分子属性和全球网络结构.
研究的目的:
- 开发一个先进的计算模型来预测CMI.
- 通过结合多功能融合来克服现有方法的局限性.
主要方法:
- 提出了EGATCMI,这是一个结合变压器和图形注意力网络的模型.
- 使用Word2vec进行circRNA和miRNA序列的预训练,以捕获特征表示和相似性.
- 使用自我注意机制从CMI网络中提取全球结构特征.
主要成果:
- 在基准数据集上,EGATCMI实现了高预测准确度,AUC值为0.9106和0.9470 .
- 该模型在预测CMI方面表现优于现有的方法.
- 案例研究显示,预测与疾病相关的miRNA-circRNA相互作用的准确率为80%.
结论:
- 为了准确的CMI预测,EGATCMI有效地整合了多模式特征.
- 该模型显示出作为生物研究和候选查工具的巨大潜力.
更多相关视频
03:37Author Spotlight: Impact of Intergenic Interactions on Disease-Identifying Dark Biomarkers
Published on: March 1, 2024
607
07:35Author Spotlight: A Computational Pipeline for Analyzing Chimeric Noncoding RNA-Target RNA Interactions in High-Throughput Sequencing Data
Published on: December 1, 2023
558
