基于图注意力网络的环状 RNA 与疾病关联关系预测

来源：计算机技术与发展杂志2023年第11期北京时间：

作者：张瀚元;赵博伟;胡伦*;王磊*;尤著宏

单位：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

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郾 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