基于异质图学习的可泛化可解释潜在 miRNA-疾病关联预测
计算工程、金融与科学
2023-08-29 v2
摘要
生物医学研究已揭示 miRNA 在许多疾病进展中的关键作用，计算预测方法正日益被用于辅助生物实验验证 miRNA-疾病关联（MDAs）。然而，当前对其可泛化性与可解释性重视不足。将有效预测推广至现有 MDA 较少或缺失的实体，并揭示预测分数如何得出，具有重要意义。本研究中，我们的工作贡献于数据、模型与结果分析。首先，为更好地表述 MDA 问题，我们将多源数据整合为具有更宽学习与预测范围的异质图，并将大量已验证 MDAs 划分为独立的训练、验证与测试集作为基准。其次，我们构建了一个端到端数据驱动模型，依次执行节点特征编码、图结构学习与二分类预测，并以异质图 transformer 为核心模块。最后，计算实验表明我们的方法优于现有最先进方法，取得更优评估指标并有效缓解对未知 miRNA 与疾病的忽视。案例研究进一步证明我们可对无 MDA 记录的疾病进行可靠 MDA 检测，且预测可在总体上与逐案地加以解释。
引用
@article{arxiv.2307.07957,
title = {Generalizable and explainable prediction of potential miRNA-disease associations based on heterogeneous graph learning},
author = {Yi Zhou and Meixuan Wu and Chengzhou Ouyang and Min Zhu},
journal= {arXiv preprint arXiv:2307.07957},
year = {2023}
}