结合图自动编码器和结构化注意力机制的miRNA-疾病关联预测方法

MicroRNA(miRNA)-疾病关联预测的研究有助于人类进行疾病预防、诊断和治疗等,许多研究人员开发出了基于图自动编码器的miRNA-疾病关联预测方法,然而大多数编码器方法在对中心节点编码的时候并没有考虑到邻居节点之间的差异。因此,本文提出一种结合图自动编码器和结构化注意力机制的miRNA-疾病关联预测方法(SAAE)。SAAE模型使用基于图神经网络的编码器,该编码器采用多个编码层堆叠的方式以探索多阶邻居的信息。为了将中心节点与邻居节点不同权重的特征信息进行融合并捕获节点在图中的高阶结构信息,引进结构化注意力机制对图节点的原始信息进行编码,以生成新的特征信息。随后,通过解码器进行解码,解码后的特征信息使用随机森林算法挖掘miRNA和疾病节点之间的潜在联系。实验结果表明,SAAE在5倍交叉验证的曲线下的平均面积为94.53%。此外,本文还进行了关于肾脏肿瘤和肺部肿瘤的2个案例研究,验证了SAAE预测的有效性。

基于拓扑结构的度量学习与拓扑传播的miRNA-疾病关联预测算法

miRNA的突变和异常表达可能导致各种疾病,因此预测miRNA与疾病的潜在相关性对于临床医学和药物研究的发展具有重要意义。拓扑结构是miRNA-疾病预测算法的重要组成部分,然而当前算法并未有效利用拓扑结构导致预测结果并不理想。与此同时,如何有效地融合多源数据也是当前的研究趋势。针对上述问题,提出一种自适应融合异质节点结构信息算法(MMTP),通过利用节点的一阶邻居和元路径诱导网络学习结构特征,并利用度量学习和拓扑传播自适应地融合异质节点结构信息,以提升miRNA-疾病预测精度。5折交叉验证实验结果表明,MMTP在HMDD v3.2数据集上的受试者操作曲线下面积(AUC)为94.81,高于其他模型。并且在基于肾癌的案例研究中,该模型所预测的前30个miRNAs全部得到证实。上述研究证明,所提的MMTP模型可有效预测miRNA-疾病相关性。

端粒长度与10种常见肌肉骨骼疾病的关系孟德尔随机化分析

背景:多项观察性研究表明,端粒长度与肌肉骨骼疾病之间存在潜在的关联,然而它们之间的潜在机制仍不清楚。目的:利用两样本孟德尔随机化分析来探索端粒长度与肌肉骨骼疾病之间的遗传因果关系。方法:从英国生物银行中获得端粒长度的全基因组关联研究汇总数据。从FinnGen财团中获得了关于10种常见肌肉骨骼疾病(骨坏死、骨髓炎、骨质疏松、类风湿关节炎、腰痛、椎管狭窄、痛风、肩周炎、强直性脊柱炎和下肢深静脉血栓)的全基因组关联研究汇总数据。使用逆方差加权、孟德尔随机化-Egger和加权中位数方法评估端粒长度与10种肌肉骨骼疾病的因果关系,逆方差加权作为主要的孟德尔随机化分析方法,并进行敏感性分析探讨结果稳健性。结果与结论:①逆方差加权法结果表明,遗传预测的端粒长度与类风湿关节炎(OR=0.78,95%CI:0.64-0.95,P=0.015)和骨坏死(OR=0.56,95%CI:0.36-0.90,P=0.016)风险之间存在负向因果关系,但未发现端粒长度与其他8种肌肉骨骼疾病之间存在因果关系(P均>0.05)。②敏感性分析结果表明因果关系稳健,孟德尔随机化-Egger截距分析未检测到潜在的水平多效性(P均>0.05)。③此项孟德尔随机化研究支持端粒长度对类风湿关节炎和骨坏死的保护作用的结论,然而,未来将需要更多的基础和临床研究来验证。

Journal of Hepatology|与肝脂肪相关的不同遗传变异及其与心血管疾病和癌症的对比关系

关于脂肪变性肝病与心血管疾病和癌症预后之间联系的潜在机制尚有待研究。来自英国林肯大学健康与科学学院约瑟夫·班克斯实验室的Ahmed等对37358名英国生物库参与者进行了全基因组关联研究,以确定与MRI扫描测得的肝脂肪相关的遗传变异。

基于图注意力网络的环状RNA与疾病关联关系预测

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0.9618,AUPR为0.9032,衡量在非平衡数据上性能MCC指标达到了0.7576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。

基于机器学习的miRNA与疾病关系预测系统的设计与实现

为挖掘miRNA与疾病之间的关联关系,进一步了解疾病病理,实现疾病防治,提出了一种基于机器学习的miRNA-疾病关联关系模型。基于miRNA-疾病关联关系、miRNA功能相似性信息、疾病语义相似性信息展开研究,通过高斯核函数获取高斯核相互作用谱相似性矩阵并进行区分,利用矩阵补全算法对稀疏的已知相似性矩阵进行补全,综合高斯核相互作用谱相似性矩阵、补全后的相似性矩阵及已知的相似性矩阵,得到综合相似性矩阵,根据线性邻域重建综合相似性矩阵,利用标签传播算法得到预测结果。该模型在全局留一法实验中,性能优于其他3种模型(IMCMDA、QIMCMDA、MCLPMDA)。根据该模型设计并实现了一款可视化的、前后端分离的miRNA-疾病关联关系预测系统,前端主要采用Vue框架和ElementPlus组件库实现,后端主要采用SpringBoot和MyBatis实现。对本系统进行业务功能和性能测试,均达到预期。

关联规则挖掘结合PSO的基因-疾病关系自动提取方法

针对生物医学可用数据越来越庞大而导致管理人员很难从非结构化文件中整理出有用信息的问题,提出了一种基因-疾病关联规则提取方法 .首先从MEDLINE和OMIM准备实验语料库,应用解析器产生一些语法信息;然后学习所有可能的规则,利用粒子群优化进行优化学习,从不相关句子中区分相关的;最后,计算学习规则的分数,选择感兴趣的规则,并生成一组有用的关联规则.以精度、召回率和F-分数为评价指标的实验证明了提出方法的有效性.实验结果表明,提出的方法最大精度、召回率和F-分数可分别高达79.2%、65.1%、68.5%,相比手动规则集,提出的方法更加完整.

九十一种炎症蛋白与颈椎间盘退变的因果关系

背景:颈椎间盘退变是一种常见的退行性疾病,而炎症蛋白在颈椎间盘退变中起到重要作用,但其中的具体机制仍有待深入研究。目的:采用孟德尔随机化方法来评估91种炎症蛋白与颈椎间盘退变之间的潜在因果关系。方法:获取91种炎症蛋白的全基因组关联分析统计数据(从GCST90274758到GCST90274848)和芬兰数据库中颈椎间盘退变的全基因组关联分析数据(finngen_R10_M13_CERVICDISCV)。采用逆方差加权法、MR-Egger回归法、加权中位数法、加权模型法和简单模型法来研究炎症蛋白与颈椎间盘退变之间的因果关系。敏感性分析检验孟德尔随机化分析结果是否可靠,然后以同样方法进行反向孟德尔随机化分析。结果与结论:①正向分析结果表明,共有6种炎症蛋白与颈椎间盘退变有显著的因果关系,其中胶质细胞系源性神经营养因子水平(OR=1.095,95%CI:1.012-1.184,P=0.023)、白细胞介素4水平(OR=1.094,95%CI:1.002-1.194,P=0.045)和单核细胞趋化蛋白1水平(OR=1.062,95%CI:1.001-1.127,P=0.048)与颈椎间盘退变风险呈直接的正向因果关联;白细胞介素17 C水平(OR=0.906,95%CI:0.839-0.979,P=0.013)、白细胞介素18水平(OR=0.924,95%CI:0.866-0.986,P=0.017)和白细胞介素2水平(OR=0.894,95%CI:0.821-0.973,P=0.010)与颈椎间盘退变风险呈直接的负向因果关联。②反向分析结果表明,当颈椎间盘退变作为暴露数据时,与91种炎症蛋白均不具有显著因果关系。③敏感性分析结果显示:双向孟德尔随机化的Cochran’s Q检验、MR-Egger回归法和MR-PRESSO结果P值均大于0.05,表明炎症蛋白与颈椎间盘退变之间的因果效应分析不存在显著的异质性和多效性。④上述结果证实,胶质细胞系源性神经营养因子水平、白细胞介素4水平、单核细胞趋化蛋白1水平、白细胞介素17C水平、白细胞介素18水平和白细胞介素2水平与颈椎间盘退变之间可能具有较为显著的潜在因果关系,这为研究颈椎间盘退变潜在的机制、探索颈椎间盘退变的早期防治以及相关的药物治疗提供了有价值的线索。

基于堆叠自动编码器的miRNA-疾病关联预测方法

作为一类小的非编码RNA,miRNA的异常调控与人类疾病的发生和发展密切相关,研究miRNA与疾病的关联对于了解人类疾病致病机制具有重要意义。机器学习方法被广泛应用于miRNA-疾病关联预测,然而现有方法仅仅考虑了miRNA与疾病相似性网络信息,忽略了相似性网络的拓扑结构。因此,文中提出基于堆叠自动编码器的miRNA-疾病关联预测模型SAEMDA,该模型采用重启随机游走获取miRNA与疾病相似性网络的拓扑结构特征,用堆叠自动编码器提取miRNA与疾病的抽象低维特征,将得到的低维特征输入深度神经网络进行miRNA-疾病关联预测。SAEMDA模型在5折交叉验证中取得了较好的结果,并在结肠癌和肺癌两个案例中进行了验证。在结肠癌的案例中,此模型预测的前50个miRNA-疾病关联中的45个miRNA在数据库中得到了验证;在肺癌的案例中,排名前50的miRNA均在数据库中得到了验证。

基于异质图注意力网络的miRNA与疾病关联预测算法

众多实验表明,microRNA(miRNA)的异常表达与人类复杂疾病的产生和演化有关.识别miRNA与疾病间的关联有助于促进临床医学的发展.然而,传统的实验方法往往耗时耗力、效率低下,因此迫切需要高效的计算方法对miRNA与疾病间的潜在关联进行预测.本文提出了一种基于异质图注意力网络的端到端的计算模型来预测miRNA与疾病的关联.该方法通过多头注意力机制捕获异质邻居的结构和属性信息,并将其与中心顶点的属性信息进行融合,从而构建出更具表达能力的miRNA和疾病的特征嵌入,进而通过全连接层对miRNA与疾病间的潜在关联进行预测.5折交叉验证结果显示,该模型分别在HMDD v2.0和HMDD v3.0数据集上取得了93.52%和94.82%的AUC值.此外,关于食管肿瘤的病例研究结果显示,该模型预测的前50个miRNA中有48个得到了证实.上述实验结果表明,该模型可作为一种可靠的工具预测候选疾病的相关miRNA.

基于组合药物网络的疾病关联性分析

组合药物在复杂疾病的治疗中形成了多靶点,多环节上的密切联系,对疾病的治疗效果也可达到单种药物治疗意想不到的效果。组合药物中各单药功能各异但联用后治疗效果更佳,说明所对应疾病之间可能存在某种关系。通过研究疾病间关联关系,可能会发现治疗某种疾病的新靶标,从而在新药的研发中取得新的进展。本文以DCDB(组合药物数据库)中的药物组合为数据源构建组合药物网络,并通过网络聚类算法得到了33个独立且内部联系紧密的药物模块。其中7组药物模块所包含的组合药物用于治疗两种或两种以上疾病,说明这些疾病之间存在一定的关联关系。对这些关系进行论证,结果表明,组合药物网络是发现疾病关联关系的一种有效手段。

基于深度学习的miRNA与疾病相关性预测算法

大量研究表明,microRNA(miRNA)在人类复杂疾病研究中发挥着重要作用.识别miRNA与疾病之间的关系对于提高复杂疾病的治疗水平具有重要意义.然而,传统实验方式常受限于小规模和高成本,因此迫切需要计算模拟的方式快速有效地预测miRNA-疾病间的潜在关系.本文通过结合深度学习的堆叠自动编码器算法与旋转森林分类器对miRNA-疾病间关系进行预测.该方法能够有效抽取出融合了疾病语义相似性、miRNA功能相似性和miRNA序列信息的高级特征并对其进行准确分类.在交叉验证实验中,该方法在HMDD v3.0数据集上取得90.30%的预测准确率.此外,我们还在人类复杂疾病乳腺肿瘤上做了案例研究.结果,模型预测得分最高的前30个疾病关联miRNA中28个得到了证实.这些优异的结果表明,该算法是一种有效预测miRNA-疾病关系的工具,能够为生物实验提供高可靠的疾病关联miRNA候选物.

基于双层耦合网的表型-基因关联分析与预测

随着基因组测序完成和基因技术不断发展,使得某些疾病的致病基因逐渐得到确认。目前,通过科学实验已经掌握了一部分疾病的致病原因,但是大部分疾病的致病原因,特别是与基因相关的疾病的致病原因还不得而知。该文采用与人类同源相似度高达85%的小鼠数据作为研究对象,使用疾病表型数据集、致病基因数据集和已经确认的表型−基因关联关系数据集构成一个双层耦合网络,通过元路径上随机游走的方法进行数据的分析与挖掘,在已经确认的表型−基因关联数据基础上预测未确定的表型−基因关联关系。经验证比较,该文提出的算法所取得的预测效果优于其他算法。

基于全连接自动编码器的疾病相关microRNA预测

MicroRNA (miRNA)是一类长度约为22~24个核苷酸的非编码RNA,在细胞的生长和发育过程中发挥着重要的调节作用。识别与疾病相关的miRNA候选,有助于探索疾病的发生机理,先前的多数预测方法主要聚焦在整合miRNA和疾病相关的多源数据,忽略了miRNA家族和聚簇信息,但是相似的疾病通常更可能与具有相似功能和属于相同家族或聚簇的miRNA相关。本文根据miRNA和疾病节点形成的拓扑结构,结合miRNA的家族和聚簇属性,建立了基于全连接自动编码器的miRNA-疾病关联预测模型。采用了五倍交叉验证进行了实验评估,实验结果表明新的预测模型取得了比其它几个模型更优的性能。

基于关联规则的肺系疾病症药关系研究

目的利用数据挖掘技术,分析肺系疾病临床文献中症状与药物间的关联关系。方法检索中国生物医学文献数据库、中医药文献数据库、重庆维普中文数据库、中国期刊全文数据库中采用"肺与大肠相表里"理论治疗肺系疾病的临床文献,提取符合纳入标准的152篇文献中的相关信息,构建临床文献数据库,采用关联规则方法,分析相关症状及药物的频繁项集及症药关系。结果在肺系疾病的治疗中,一元频繁项集前3位分别为瓜蒌、大黄、苦杏仁;二元频繁项集前3位分别为大黄、瓜蒌,苦杏仁、瓜蒌,苦杏仁、大黄;三元频繁项集前3位分别为苦杏仁、大黄、瓜蒌,甘草、大黄、瓜蒌,枳实、厚朴、瓜蒌。在肺系疾病的症状中,一元频繁项集前5位分别为咳嗽、气喘、舌红、大便秘结、发热;二元频繁项集前3位分别为气喘、咳嗽,发热、咳嗽,舌红、咳嗽。对于各核心症状,核心药物均是大黄、瓜蒌、苦杏仁。结论在根据肺与大肠相表里理论治疗肺系疾病的文献中,对于咳嗽、发热、气喘、小便黄赤、大便秘结等核心症状,核心药物均采用大黄、瓜蒌、苦杏仁。

基于多数据融合的circRNA–疾病关联关系预测

环状RNA(circluar RNA,circRNA)在基因表达、剪切和转录的过程中扮演着重要角色.越来越多的证据表明,circRNA与疾病的产生与发展存在着重要的联系.本文提出了一种基于多数据融合的非负矩阵分解算法(EDNMF)预测circRNA–疾病关联关系.该方法首先对circRNA–疾病关联关系进行预处理,解决了circRNA–疾病关联关系过少对算法产生的负面影响的问题.然后,EDNMF算法将circRNA表达谱和癌症相似性数据转化为约束条件,基于预处理后的circRNA–疾病关联关系采用改进的非负矩阵分解算法得到最终的打分值,从而预测circRNA–疾病关联关系.五折和十折交叉验证结果表明,EDNMF算法相比其他算法能更有效地预测circRNA–疾病关联关系.此外,采用EDNMF算法预测新的circRNA–结肠直肠癌关联关系打分排名前10的结果中,大部分结果已经得到了佐证,表明了该算法可以有效地预测未知的circRNA–疾病关联关系.

儿童青少年家庭功能障碍与心理健康关系的三水平元分析

心理健康指的是一种持续的心理状态,在这种状态下,个体不具有心理疾病,并且人格相对完善、能良好地适应社会环境且心理潜能可以得到发挥(刘华山,2001),因此,本研究关注心理健康的完整状态,即完全取向。本研究提出假设1:主观家庭功能障碍与积极心理健康状态呈中高程度负相关,与消极心理健康状态呈中高程度正相关;客观家庭功能障碍与积极心理健康状态存在负关联,与消极心理健康状态存在正关联。

基于关联规则挖掘的中药治疗心血管疾病组分配伍规律研究

通过数据挖掘,揭示组分与组分、组分与证型的关系,从组分层面解析中药治疗心血管疾病的配伍规律,为中医临床基于病证结合采用组分中药治疗疾病提供依据。通过对近20年期刊文献数据中关键点的采集及结构化加工,采用关联规则挖掘算法,对治疗心血管疾病的中药(中药材/饮片)、中成药及相关组分的研究结果进行挖掘分析。结果筛选出与临床治疗心血管疾病关联度较高的组分配伍,发现了新的配伍形式,印证或推测出构成单味中药和中药复方的药效物质基础和/或可能的组分配伍,揭示组分配伍与疾病、中医证型之间的关联关系。基于关联规则挖掘,可为组分配伍与优化提供新的思路和方法,为组分中药研发提供技术支撑。

microRNA集合富集分析工具的研究进展

随着新一代高通量测序技术的快速发展,microRNA(miRNA)组学数据以井喷之势快速积累,进而导致多种预测miRNA调控功能的集合富集分析工具应运而生。它们为预测miRNA功能、探寻与疾病之间的关系提供了一类高效方法。本文综述了多个预测miRNA集合富集分析工具,介绍了它们的主要算法思想及其优缺点。最后,在总结现有分析工具的基础上,探讨了该领域的进一步研究方向。