公开(公告)号：CN118280436A

公开(公告)日：2024-07-02

申请号：CN202410479072.2

申请日：2024-04-21

Applicant: 哈尔滨理工大学

Inventor： 唐光义 ,  张清宝 ,  姚登举

IPC: G16B20/00 ,  G16B40/00 ,  G06F17/16 ,  G06F18/243 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0895

Abstract: 本发明设计了一种基于奇异值分解和图对比学习的lncRNA‑疾病关联预测方法。首先，计算了lncRNA与miRNA的功能相似性、疾病语义相似性以及它们之间的高斯交互谱核相似性。为了减少对特定网络结构的依赖，构建了一个lncRNA‑miRNA‑疾病三层异构图，用邻接矩阵M表示。通过奇异值分解处理M，得到两个与原矩阵同样维度的矩阵，再横向拼接成特征矩阵X。其次，X被输入到图对比学习模型中。通过破坏函数生成“破坏图”，原始图作为正样本，破坏图作为负样本。正负样本被输入图卷积神经网络编码器，增强节点局部和全局信息的交互。判别器学习编码器生成的正样本与破坏负样本之间的差异，推动框架朝着自监督学习优化。最后，利用XGBoost分类器进行分类，从而完成预测。深入探究lncRNA在疾病中的功能机制，对临床诊断和预防具有实际价值，同时推动了新型疗法的发现。