Resumen

Un gran número de observaciones clínicas han demostrado que los metabolitos están involucrados en una variedad de importantes enfermedades humanas en los últimos años. Sin embargo, el ruido inherente y la incompletitud en los conjuntos de datos biológicos existentes son factores difíciles que limitan la precisión de predicción de los métodos computacionales actuales. Para resolver este problema, en este artículo se propone un método de predicción, IBNPLNSMDA, que utiliza el método de proyección de red bipartita mejorado para predecir asociaciones latentes entre metabolitos y enfermedades basadas en la similitud de vecindario lineal. Específicamente, se reconstruye una matriz de similitud de vecindario lineal sobre los metabolitos (enfermedades) de acuerdo con la nueva característica obtenida por las asociaciones conocidas entre metabolitos y enfermedades y las similitudes integradas relevantes. Se adopta el método de proyección de red bipartita mejorado para inferir las asociaciones potenciales entre metabolitos y enfermedades. Finalmente, IBNPLNSMDA

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Metabolitos; Enfermedades humanas; Método de predicción; IBNPLNSMDA; Asociaciones; Herramienta computacional
• Keywords:Metabolites; Human diseases; Prediction method; IBNPLNSMDA; Associations; Computational tool