基于异质信息补全和卷积神经网络的lncRNA-疾病关联预测方法
机器学习
2024-06-06 v1 人工智能
定量方法
摘要
新兴研究表明，lncRNA在一系列复杂人类疾病中具有重要的研究价值。因此，准确识别lncRNA-疾病关联对于疾病的预警和治疗非常重要。然而，现有的大多数方法在识别非线性LDA方面存在局限性，并且预测新的LDA仍然是一个巨大的挑战。本文提出了一种基于异质网络和卷积神经网络的深度学习模型用于lncRNA-疾病关联预测，命名为HCNNLDA。首先构建包含lncRNA、疾病和miRNA节点的异质网络。根据关于lncRNA、疾病和miRNA的各种生物学前提，构建lncRNA-疾病节点对的嵌入矩阵。然后，通过卷积神经网络充分学习低维特征表示。最后，训练XGBoost分类器模型以预测潜在的LDA。在五折交叉验证下，HCNNLDA获得了0.9752的高AUC值和0.9740的AUPR值。实验结果表明，所提出的模型比几种最新的预测模型具有更好的性能。同时，通过对三种疾病的案例研究，进一步证明了HCNNLDA在识别新型LDA方面的有效性。总之，HCNNLDA是一种可行的预测LDA的计算模型。
引用
@article{arxiv.2406.03406,
title = {LncRNA-disease association prediction method based on heterogeneous information completion and convolutional neural network},
author = {Wen-Yu Xi and Juan Wang and Yu-Lin Zhang and Jin-Xing Liu and Yin-Lian Gao},
journal= {arXiv preprint arXiv:2406.03406},
year = {2024}
}