THIMDA:融合多模态表示与混合交互建模的miRNA-疾病关联预测框架
《BMC Bioinformatics》:Transformer-based multi-modal representation learning and hybrid interaction modeling for miRNA–disease association prediction
【字体:
大
中
小
】
时间:2026年09月23日
来源:BMC Bioinformatics 4.4
编辑推荐:
摘要
**背景**
microRNA(miRNA)在基因调控中发挥关键作用,并与多种人类疾病密切相关。鉴定miRNA-疾病关联对于理解疾病机制和开发有效的治疗策略至关重要。然而,实验验证成本高且耗时,使得计算方法的日益重要性愈发凸显。本研究提出了一种名为THIMDA的新型
摘要**背景**microRNA(miRNA)在基因调控中发挥关键作用,并与多种人类疾病密切相关。鉴定miRNA-疾病关联对于理解疾病机制和开发有效的治疗策略至关重要。然而,实验验证成本高且耗时,使得计算方法的日益重要性愈发凸显。本研究提出了一种名为THIMDA的新型框架,该框架将多模态表示学习与混合交互建模相结合,用于miRNA-疾病关联预测。具体而言,miRNA表达谱通过TabTransformer进行编码,以捕获复杂的特征交互;疾病表示则基于MeSH本体使用SapBERT构建,以融入丰富的语义信息。这些异质表示被映射到共享的潜在空间中,并通过一个结合双线性变换与非线性学习的混合交互模块进一步建模,以捕获互补的交互模式。**结果**实验结果表明,THIMDA取得了出色的预测性能,在全局和局部留一交叉验证下的AUC分数分别为0.9569和0.9486。针对乳腺癌和肺癌的案例分析进一步证明,该方法能够识别具有生物学相关性的miRNA。**结论**THIMDA通过整合多模态表示与互补交互建模,提供了一个用于miRNA-疾病关联预测的有效框架。所提出的方法有望促进候选miRNA-疾病关联的优先级排序,并为后续的生物学研究提供有用的计算支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号