HECLCDA:CircRNA-药物敏感性预测通过异质交叉尺度对比学习

科学领域:

• 生物化学 生物化学
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 循环RNAs (circRNAs) 是关键的非编码RNAs,参与癌症的发展和耐药性.
• 鉴定circRNA与药物敏感性联系的传统实验方法是低效和昂贵的.
• 需要准确的计算工具来预测circRNA-药物敏感性关联.

研究的目的:

• 开发一种高效准确的计算方法,用于预测circRNA与药物敏感性相关性.
• 解决传统实验验证方法的局限性.
• 促进新型治疗策略的发现.

主要方法:

• 提出了HECLCDA,这是一种基于异质交叉尺度对比学习的新方法.
• 综合circRNA序列相似性,药物结构相似性 (SIS) 和高斯核相似性.
• 构建了一个异质图,并使用一个异质图转换器来提取拓信息.
• 引入了一种跨度对比学习机制,用于增强节点嵌入歧视.

主要成果:

• 在真实数据上,HECLCDA表现出色.
• 该方法有效地预测药物敏感性.
• 交叉验证和案例研究验证了该模型在识别潜在的circRNA药物敏感性关联方面的有效性.

结论:

• HECLCDA提供了一种高效准确的计算方法来预测circRNA药物敏感性.
• 开发的方法可以加速发现新型circRNA药物相互作用.
• 这种工具对推进癌症治疗和个性化医学的前景充满希望.