GAM-MDR: Untersuchung von miRNA–Arzneimittelresistenz mithilfe eines graphenbasierten Autoencoders mit zufälliger Pfadmaskierung

Zusammenfassung MicroRNAs (miRNAs) sind ubiquitär in biologischen Zellen zu finden und spielen eine entscheidende Rolle bei der Regulierung der Expression zahlreicher Zielgene. Auf miRNAs basierende Therapien entwickeln sich zu einer vielversprechenden Strategie für die Behandlung von Krankheiten, deren Ziel es ist, in den Krankheitsverlauf durch Modulation abnormaler miRNA-Expressionen einzugreifen. Die genaue Vorhersage von miRNA–Arzneimittelresistenz (MDR) ist entscheidend für den Erfolg von miRNA-Therapien. Berechnungsmodelle, die auf tiefem Lernen basieren, haben eine außergewöhnliche Leistung bei der Vorhersage potenzieller MDRs gezeigt. Ihre Wirksamkeit kann jedoch durch Fehler im Datenakquisitionsprozess beeinträchtigt werden, was zu ungenauen Knotendarstellungen führt. Um diese Herausforderung anzugehen, stellen wir das GAM-MDR-Modell vor, das den graphenbasierten Autoencoder (GAE) mit Techniken zur zufälligen Pfadmaskierung kombiniert, um potenzielle MDRs präzise vorherzusagen. Die Zuverlässigkeit und Wirksamkeit des GAM-MDR-Modells spiegeln sich hauptsächlich in zwei Aspekten wider. Erstens extrahiert es effizient die Darstellungen von miRNA- und Arzneimittelknoten im miRNA–Arzneimittelnetzwerk. Zweitens rekonstruiert unsere entwickelte Strategie zur zufälligen Pfadmaskierung effizient kritische Pfade im Netzwerk und verringert so die negativen Auswirkungen von störenden Daten. Soweit wir wissen, ist dies das erste Mal, dass eine Strategie zur zufälligen Pfadmaskierung in einen GAE integriert wurde, um MDRs abzuleiten. Unsere Methode wurde mehreren Validierungen in öffentlichen Datensätzen unterzogen und lieferte vielversprechende Ergebnisse. Wir sind optimistisch, dass unser Modell wertvolle Einblicke in therapeutische Strategien für miRNAs bieten und das Verständnis der regulatorischen Mechanismen von miRNAs vertiefen könnte. Unsere Daten und unser Code sind öffentlich auf GitHub verfügbar: https://github.com/ZZCrazy00/GAM-MDR.