基于拓撲結構的度量學習與拓撲傳播的miRNA-疾病關聯預測算法
所屬分類：技術論文
上傳者：wwei
文檔大?。?span>4377 K
標簽： 深度學習 miRNA-疾病關聯 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。拓撲結構是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構導致預測結果并不理想。與此同時，如何有效地融合多源數據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節(jié)點結構信息算法（MMTP），通過利用節(jié)點的一階鄰居和元路徑誘導網絡學習結構特征，并利用度量學習和拓撲傳播自適應地融合異質節(jié)點結構信息，以提升miRNA-疾病預測精度。5折交叉驗證實驗結果表明，MMTP在HMDD v3.2數據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-疾病相關性。
現在下載
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。