基于多模态图神经网络的miRNA-疾病关联预测模型

摘要

研究表明，miRNAs与多种疾病的发生发展密切相关。因此，识别miRNA-疾病关联(MDAs)不仅有助于理解疾病发病机制，而且能为开发靶向miRNAs的有效疗法奠定基础。相较于传统生物实验方法，通过计算方法识别MDAs已被证实具有成本低、效率高的优势。该研究提出一种名为MDAES的新型预测方法，该方法通过整合miRNAs表达数据和相似性网络实现MDAs预测。在MDAES中，首先采用多核学习(MKL)技术从miRNAs和疾病的相似性核矩阵中构建最优核矩阵；其次，运用回归模型获取miRNAs与疾病的特征表示；最后，通过融合miRNAs与疾病的相似性网络特征及miRNAs表达数据特征作为深度神经网络(DNN)的输入，实现MDAs预测。实验结果显示，MDAES在3个基准数据集上均表现出色(AUC均值>0.95),其性能优于现有主流方法。针对乳腺癌和肺癌的案例研究证实，预测结果前30个miRNAs中分别有96%与100%与相应癌症存在关联。总体而言，MDAES作为一种可靠且实用的预测模型，在MDAs识别方面具有良好潜力。

关键词

miRNA-疾病关联 / 多核学习 / 深度神经网络 / 相似性网络 / 链接预测

基金资助

国家自然科学基金资助项目(62573143,62002079,62202112); 广东省自然科学基金资助项目(2023A1515011401); 广东省高等学校教学管理学会资助课题(GDZLGL25148); 广州市科技局市校联合基金共同资助项目(SL2022A03J00935)