Integración de la Proyección de Redes Bipartitas y la Medida KATZ para Identificar Nuevas Asociaciones CircRNA-Enfermedad

Los experimentos biológicos acumulados han demostrado que los circRNAs están estrechamente relacionados con la ocurrencia y el desarrollo de muchas enfermedades humanas complejas. En los últimos años, las asociaciones del circRNA con enfermedades han provocado que cada vez más investigadores presten atención y analicen sus mecanismos de correlación. Sin embargo, los métodos experimentales para determinar las asociaciones del circRNA con una enfermedad particular siguen siendo costosos, difíciles y que consumen tiempo. Además, las bases de datos disponibles relacionadas con las correlaciones circRNA-enfermedad solo se han actualizado recientemente, y solo se han construido unos pocos métodos computacionales para predecir potenciales correlaciones circRNA-enfermedad. Teniendo en cuenta las limitaciones de los estudios experimentales, desarrollamos un nuevo método computacional, llamado IBNPKATZ, para predecir potenciales asociaciones circRNA-enfermedad, que integra el algoritmo de proyección de red bipartita y la medida KATZ. Este modelo se basa en las asociaciones conocidas circRNA-enfermedad, combinando la similitud del circRNA y la similitud de la enfermedad. Específicamente, la similitud del circRNA se deriva del promedio de la similitud semántica y la similitud del perfil de interacción gaussiano (GIP) del circRNA. De manera similar, la similitud de la enfermedad es la media de la similitud semántica y la similitud del núcleo GIP de la enfermedad. Además, es semi-supervisado y no requiere muestras negativas. Finalmente, IBNPKATZ logra un AUC confiable de 0.9352 en la validación cruzada de dejar uno fuera, y estudios de caso muestran que las correlaciones circRNA-enfermedad predichas por nuestro método pueden ser demostradas con éxito por experimentos relevantes. Se espera que IBNPKATZ sea una herramienta de investigación biomédica útil para predecir potenciales asociaciones circRNA-enfermedad.