iHofman:一个预测模型,将高阶和低阶特征与对circRNA-miRNA相互作用的加权注意力机制集成在一起
Chang-Qing Yu1, Chen Jiang1, Lei Wang2,3
1School of Information Engineering, Xijing Univerity, Xi'an, 710123, China.
BMC biology
|June 8, 2025
概括
一个新的模型,iHofman,使用集成的特征和注意力机制准确地预测循环RNA-microRNA相互作用 (CMIs). 这种计算方法通过识别潜在的CMI,比传统实验更有效地帮助诊断和治疗疾病.
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:
- 循环RNA (circRNA) 和微RNA (miRNA) 相互作用在人类疾病中至关重要.
- 预测circRNA-miRNA相互作用 (CMIs) 对疾病诊断和治疗至关重要.
- 用于CMI预测的实验方法耗时且劳动密集.
研究的目的:
- 开发一种用于准确CMI预测的新型计算模型.
- 克服CMI识别传统实验方法的局限性.
主要方法:
- iHofman模型使用FastText,GraRep和堆叠的自动编码器集成高顺序和低顺序的功能.
- 权衡注意力机制用于有效的特征融合.
- 一个多层感知子被用于推断潜在的CMI.
主要成果:
- 在五倍交叉验证中,iHofman获得了82.49%的准确性和0.9092的AUC.
- 该模型在各种CMI数据集上表现出强的表现.
- 案例研究证实了现有文献中前30个预测的CMI中的26个.
结论:
- 与现有方法相比,iHofman有效地预测了潜在的CMI,性能优于现有的方法.
- 该模型提供了一个可靠的计算工具来补充生物实验.
- 准确的CMI预测有助于理解疾病机制和开发向疗法.
