ReHoGCNES-MDA：基于规则图和随机边采样器的均质图卷积网络预测miRNA-疾病关联

大量研究越来越表明微小RNA（miRNA）在人类疾病中的重要性。因此，挖掘miRNA与疾病之间的关联可以为疾病的准确诊断和有效治疗提供帮助。通过利用生物信息的计算技术检测miRNA-疾病联系，已成为一种成本有效且高效的方法。在这里，我们介绍了一种名为ReHoGCNES的计算框架，旨在进行前瞻性的miRNA-疾病关联预测（ReHoGCNES-MDA）。该方法构建了一个具有规则图结构的均质图卷积网络（ReHoGCN），包括疾病相似性网络、miRNA相似性网络和已知的MDA网络，并在四个实验任务上进行了测试。采用随机边采样策略来加速过程并降低训练复杂度。实验结果表明，提出的ReHoGCNES-MDA方法在所有四个任务中优于均质图卷积网络和具有非规则图结构的异质图卷积网络，这隐含着图的稳定度分布确实在提高模型性能中起着重要作用。此外，ReHoGCNES-MDA在MDA预测上优于几种机器学习算法和先进的方法。此外，还进行了三个案例研究，进一步展示ReHoGCNES的预测能力。因此，93.3%（乳腺肿瘤）、90%（前列腺肿瘤）和93.3%（前列腺肿瘤）的前30个预测miRNA得到了公共数据库的验证。因此，ReHoGCNES-MDA可能成为一个可靠且有益的模型，用于预测可能的MDA。