基于自编码器的疾病相关miRNAs的预测方法

摘要

MicroRNAs (miRNAs)是一类由内源基因编码的长度约为22个核苷酸的非编码单链RNA分子，它们在动植物中参与转录后基因表达调控。大量研究表明，miRNAs在包括肿瘤在内的多种复杂疾病发生、发展过程中扮演着重要的角色。因此，识别疾病相关的miRNAs对研究疾病的机理及治疗具有重要意义。鉴于湿实验验证方法存在耗时长、成本高的缺点，当前许多研究工作聚焦于开发高效计算模型，识别新的miRNA-disease关联关系。该研究提出一种基于自编码器数据驱动的模型，预测miRNA-disease关联关系。结果表明，作者预测的疾病相关miRNAs在HMDD数据库中对应的疾病相关miRNAs列表上显著富集。此外，通过对排名靠前的miRNAs分析，发现这些miRNAs具有重要的生物学功能，同时对于疾病的分类表现出较高的精度。总之，文章提出的模型，对于疾病相关miRNAs的发现具有重要的辅助作用。

关键词

自编码器 / miRNA-disease关联 / 数据驱动模型

基金资助

国家自然科学基金资助项目(62002079,62072128,62102104和62202115); 广东省自然科学基金资助项目(2023A1515011401); 广东省医学影像智能分析与应用重点实验室开放课题资助项目(2022B1212010011); 广州市科技局市校联合基金资助项目(SL2022A03J00935)