Key points are not available for this paper at this time.
ظهرت جزيئات RNA الطويلة غير المشفرة (lncRNAs) كمساهمين رئيسيين في تنظيم مجموعة متنوعة من العمليات البيولوجية، وقد تم ربط عدم تنظيمها بمجموعة متنوعة من الاضطرابات البشرية. إن التنبؤ الدقيق بالعلاقات المحتملة بين lncRNAs والأمراض أمر بالغ الأهمية لتعزيز تشخيص الأمراض وإجراءات العلاج. قدم المؤلفون طريقة حسابية جديدة، iGATTLDA، للتنبؤ بارتباطات lncRNA-مرض. استخدم النموذج مصفوفات تشابه lncRNA والمرض، مع تمثيل الارتباطات المعروفة في مصفوفة الجوار. تم بناء شبكة غير متجانسة، حيث تم فصل lncRNAs والأمراض كنقاط وارتباطاتها كحواف. تم استخدام شبكة الانتباه الرسومية (GAT) لمعالجة الميزات الأولية والمعلومات الجوار المقابلة. قامت GAT بتحديد نقاط مجاورة مهمة في الشبكة، ملتقطة العلاقات المعقدة بين lncRNAs والأمراض، وتوليد تمثيلات ميزات جديدة. بعد ذلك، يلتقط المحول الاعتمادات العالمية والتفاعلات عبر التسلسل الكامل للميزات الناتجة عن GAT. ونتيجة لذلك، نجح iGATTLDA في التقاط العلاقات والتفاعلات المعقدة التي قد تتجاهلها الأساليب التقليدية. عند تقييم iGATTLDA، حصل على منطقة تحت منحنى منحنى التشغيل الاستقبالي (ROC) (AUC) بمقدار 0.95 ومنطقة تحت منحنى استرجاع الدقة (AUPRC) بمقدار 0.96 مع مصنف متعدد الطبقات (MLP) ذو طبقتين. كانت هذه النتائج أعلى بكثير مقارنةً بمعظم النماذج المقترحة سابقًا، مما يعزز كفاءة النموذج في التنبؤ بالارتباطات المحتملة بين lncRNA-مرض من خلال دمج كل من التفاعلات المحلية والعالمية. يمكن الحصول على تفاصيل التنفيذ من https://github.com/momanyibiffon/iGATTLDA.
درس موماني وآخرون (سون،) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: