基于拓撲結(jié)構(gòu)的度量學習與拓撲傳播的miRNA-疾病關(guān)聯(lián)預測算法
所屬分類：技術(shù)論文
上傳者：wwei
文檔大?。?span>4377 K
標簽： 深度學習 miRNA-疾病關(guān)聯(lián) 度量學習
所需積分：0分積分不夠怎么辦？
文檔介紹：miRNA的突變和異常表達可能導致各種疾病，因此預測miRNA與疾病的潛在相關(guān)性對于臨床醫(yī)學和藥物研究的發(fā)展具有重要意義。拓撲結(jié)構(gòu)是miRNA-疾病預測算法的重要組成部分，然而當前算法并未有效利用拓撲結(jié)構(gòu)導致預測結(jié)果并不理想。與此同時，如何有效地融合多源數(shù)據(jù)也是當前的研究趨勢。針對上述問題，提出一種自適應融合異質(zhì)節(jié)點結(jié)構(gòu)信息算法（MMTP），通過利用節(jié)點的一階鄰居和元路徑誘導網(wǎng)絡(luò)學習結(jié)構(gòu)特征，并利用度量學習和拓撲傳播自適應地融合異質(zhì)節(jié)點結(jié)構(gòu)信息，以提升miRNA-疾病預測精度。5折交叉驗證實驗結(jié)果表明，MMTP在HMDD v3.2數(shù)據(jù)集上的受試者操作曲線下面積（AUC）為94.81，高于其他模型。并且在基于腎癌的案例研究中，該模型所預測的前30個miRNAs全部得到證實。上述研究證明，所提的MMTP模型可有效預測miRNA-疾病相關(guān)性。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。