基于HyperGraphMamba的多通道自适应模型用于ncRNA分类
机器学习
2025-09-25 v1 人工智能
摘要
非编码RNA（ncRNAs）在基因表达调控和多种疾病的发病机制中发挥关键作用。准确分类ncRNAs对于功能注释和疾病诊断至关重要。为解决现有方法在特征提取深度和多模态融合方面的局限性，我们提出了HGMamba-ncRNA——一种基于HyperGraphMamba的多通道自适应模型，它整合ncRNA的序列、二级结构以及可选的表达特征以提升分类性能。具体而言，ncRNA序列使用并行多尺度卷积与LSTM架构（MKC-L）进行建模，以捕获核苷酸的局部模式和长程依赖。结构模态采用多尺度图变换器（MSGraphTransformer）来表示ncRNA二级结构的多层拓扑特征。表达模态利用基于切比雪夫多项式的Kolmogorov-Arnold网络（CPKAN）来有效建模和解释高维表达谱。最后，通过引入虚拟节点来促进高效且全面的多模态交互，提出了HyperGraphMamba来自适应对齐和整合多通道异构模态特征。在三个公开数据集上进行的实验表明，HGMamba-ncRNA在准确性和其他指标上持续优于最先进的方法。广泛的实证研究进一步证实了该模型的鲁棒性、有效性和强大的迁移能力，为复杂ncRNA功能分类提供了一种新颖且可靠的策略。代码和数据集可在 https://anonymous.4open.science/r/HGMamba-ncRNA-94D0 获取。
引用
@article{arxiv.2509.20240,
title = {A HyperGraphMamba-Based Multichannel Adaptive Model for ncRNA Classification},
author = {Xin An and Ruijie Li and Qiao Ning and Hui Li and Qian Ma and Shikai Guo},
journal= {arXiv preprint arXiv:2509.20240},
year = {2025}
}
备注
9 pages, 17 figures (including subfigures), 1 table. Xin An and Ruijie Li contributed equally to this work and should be considered co-first authors