Resumen

Los miARN afectan significativamente a múltiples procesos biológicos relacionados con las enfermedades humanas. Los experimentos biológicos requieren siempre un enorme apoyo financiero y tiempo. Teniendo en cuenta el gasto y la dificultad, para predecir las posibles asociaciones miARN-enfermedad, se han desarrollado muchos métodos computacionales de alta eficiencia por ordenador, basados en una red generada por el conjunto de datos de asociación miARN-enfermedad. Sin embargo, existen muchos retos. En primer lugar, la asociación entre miARNs y enfermedades es intrincada. Estos métodos deben considerar la influencia de los vecindarios de cada nodo de la red. En segundo lugar, cómo medir si existe una asociación entre dos nodos de la red es también un problema importante. En nuestro estudio, integramos de forma innovadora la incrustación de nodos de grafos con un perceptrón multicapa y proponemos un método DEMLP. Para empezar, construimos una red miARN-enfermedad mediante una matriz de adyacencia miARN-enfermedad (MDA). A continuación, los vectores de representación de incrustación de baja dimensión de los nodos se aprenden de la red miARN-enfermedad por DeepWalk. Por último, utilizamos estos vectores de representación de incrustación de baja dimensión como entrada para entrenar el perceptrón multicapa. Los experimentos muestran que nuestro método propuesto que sólo utiliza la información de asociación miARN-enfermedad puede predecir eficazmente las asociaciones miARN-enfermedad. Para evaluar la eficacia de DEMLP en una red miARN-enfermedad de HMDD v3.2, aplicamos una validación cruzada quíntuple en nuestro estudio. El valor del resultado computado ROC-AUC de DEMLP es 0,943, y el valor PR-AUC de DEMLP es 0,937. En comparación con otros métodos del estado de la técnica, nuestro método muestra un buen rendimiento utilizando sólo la red de interacción miARN-enfermedad.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:red de enfermedades, mirna, demlp, red, asociaciones de enfermedades, perceptrón multicapa, vectores de representación, matriz de adyacencia de enfermedades, conjunto de datos de asociaciones de enfermedades, información sobre asociaciones de enfermedades
• Keywords:disease network, mirna, demlp, network, disease associations, multilayer perceptron, representation vectors, disease adjacency matrix, disease association dataset, disease association information