计算机技术与发展2023，Vol.33Issue(11) ：126-134.DOI:10.3969/j.issn.1673-629X.2023.11.019

基于图注意力网络的环状RNA与疾病关联关系预测

Prediction of Circ RNA-Disease Associations Based on Graph Attention Networks

张瀚元 赵博伟 胡伦 王磊 尤著宏
计算机技术与发展2023，Vol.33Issue(11) ：126-134.DOI:10.3969/j.issn.1673-629X.2023.11.019
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于图注意力网络的环状RNA与疾病关联关系预测

Prediction of Circ RNA-Disease Associations Based on Graph Attention Networks

张瀚元 1赵博伟 1胡伦 1王磊 2尤著宏3
扫码查看

作者信息

  • 1. 中国科学院大学 中国科学院新疆理化技术研究所,新疆 乌鲁木齐 830011
  • 2. 广西科学院 大数据与智能计算研究中心,广西 南宁 530007
  • 3. 西北工业大学 计算机学院 大数据存储与管理工业和信息化部重点实验室,陕西 西安 710072
  • 折叠

摘要

环状RNA是一种具有环状结构并且表达水平与多种疾病有关的非编码RNA分子,挖掘环状RNA与疾病之间的内在关联关系在生命医学研究中具有重要意义.基于图注意力机制,该文提出了一种由图注意力网络(GAT)、编码器-解码器(AE)和全连接神经网络(DNN)结构组合的端到端深度学习模型GATECDA来预测潜在的环状RNA与疾病的关联关系.在包含739 个关系的CircR2Disease数据集上,GATECDA模型五折交叉验证实验取得了 ROC 曲线下面积 AUC 为0.961 8,AUPR为0.903 2,衡量在非平衡数据上性能MCC指标达到了0.757 6 的优异结果,综合性能在同领域预测模型中表现出色.表明基于深度学习图表示学习的策略有助于提升环状RNA与疾病关联关系预测模型的综合性能,同时端到端的学习模型更易于训练与泛化到其他问题中.在预测的结果得到的前30 个环状RNA与疾病的关联关系中,有25 个在最近医学文献中有支持.表明人工智能方法可以为医学研究筛选与疾病相关的标志物提供新的角度.

关键词

环状RNA/CircRNA/疾病/关联关系预测/图注意力网络/深度学习

Key words

Circular RNA/CircRNA/disease/association prediction/graph attention networks/deep learning

引用本文复制引用

基金项目

新疆科技厅青年自然科学研究项目(2019D01C212)

科技部国家2030新一代人工智能重大项目(2018AAA0100100)

出版年

2023
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
参考文献量3
段落导航相关论文