一种lncRNA与疾病关联的多层线性投影预测算法

LncRNA-疾病关联预测的计算方法是解决传统生物学实验昂贵且费时的有效途径,其中基于机器学习的计算方法是当前研究热点,但其存在着未充分考虑lncRNA-疾病关联矩阵的局部结构和全局结构的问题.因此,本文提出了一种lncRNA与疾病潜在关联的多层线性投影预测方法(MLPLDA:Multi-layer linear projection for predicting lncRNA-disease association).MLPLDA利用组合加权整合lncRNA和疾病的两种相似性,然后用WKNKN重构原始的lncRNA-疾病关联矩阵,最后使用堆叠层策略的多层线性投影进行lncRNA-疾病关联预测.在留一和五折交叉验证实验中,MLPLDA获得的AUC分别是0.8807和0.8563±0.0045,体现了其可靠的性能.在3种疾病(肺癌,乳腺癌和骨肉瘤)的案例研究中,MLPLDA能够有效预测与3种疾病有关系的lncRNA.

基于异构图推断的疾病与药物相关性预测研究

研发药物的过程非常耗时且费用昂贵,以现有药物为基础确定和发展新的治疗效果有利于降低药物的开发成本。而以往的预测方法数据的要求单一,较少考虑到疾病药物相关数据的稀疏性,因此,该篇文章提出了一种基于异构图推断的疾病与药物相关性预测方法(Drug-disease relevant predicted by heterogeneous graph,DDRPGH)。该方法通过将药物相似性和疾病语义相似性与余弦相似性相结合,再通过WKNKN与已知的疾病与药物的关联融合到异构图中,揭示潜在的药物与疾病的关系。在两个数据集的十折交叉验证中,该方法AUC(F:0.923;C:0.939)优于另外三个对比方法,证明了这个方法在疾病与药物的预测方面是可行有效的。