基于融合相似性信息的深度矩阵分解方法预测 miRNA - 疾病关联

为预测 miRNA（微小 RNA）- 疾病关联，研究人员开展研究，提出计算模型 SIDMF，融合疾病语义相似性和 miRNA 功能相似性于深度矩阵分解框架。经验证，其 AUC 值高，性能优于其他方法，为疾病防治等提供新途径。

　　MicroRNAs（miRNAs）作为多种生物过程的关键调控因子，与人类疾病密切相关。本研究旨在提出一种计算模型 SIDMF 以预测 miRNA - 疾病关联。计算方法已证明在预测 miRNA - 疾病关联中有效，其利用功能相似性和基于网络的推理。机器学习技术在此领域日益突出，包括支持向量机、半监督算法和深度学习模型。本研究引入的 SIDMF，将疾病语义相似性和 miRNA 功能相似性整合到深度矩阵分解框架中，通过重构 miRNA - 疾病关联矩阵，预测 miRNA 与疾病之间的潜在关联。通过全局留一法交叉验证（LOOCV）和局部 LOOCV 对 SIDMF 的性能进行评估，其曲线下面积（AUC）值分别达到 0.9536 和 0.9404。与其他方法的对比分析表明 SIDMF 具有优越性能。对乳腺癌、食管癌和前列腺癌的案例研究进一步验证了 SIDMF 的预测准确性，前 50 个预测的 miRNA 中有很大比例在相关数据库中得到确认。SIDMF 是一种很有前途的预测 miRNA 与疾病潜在关联的计算模型，其在全局和局部评估中的稳健性能以及成功的案例研究，突显了其对疾病预防、诊断和治疗的潜在贡献。
关键词：miRNA - 疾病关联；miRNA；疾病语义相似性；深度矩阵分解；融合相似性信息；SIDMF