基于结构深度神经网络嵌入的新型circRNA-miRNA关联预测模型

大量临床证据开始累积，表明循环核糖核酸（RNAs；circRNAs）通过参与微小RNA（miRNA）靶基因的转录和翻译调控，在复杂疾病中发挥着非常重要的功能。然而，基于传统生物实验的严格高通量技术以及条件和环境，circRNA与miRNA之间的关联发现往往是劳动密集型、昂贵、耗时且效率低下。在本文中，我们提出了一种基于Word2vec、结构深度网络嵌入（SDNE）、卷积神经网络和深度神经网络的新型计算模型，预测潜在的circRNA-miRNA关联，称为Word2vec、SDNE、卷积神经网络和深度神经网络（WSCD）。具体而言，WSCD模型通过词嵌入和图嵌入算法分别提取属性特征和行为特征，并最终将它们输入通过结合卷积神经网络和深度神经网络构建的特征融合模型，以推导潜在的circRNA-miRNA相互作用。通过在数据集上的验证，该方法实现了81.61%的预测准确性和0.8898的接收器操作特征曲线下面积，显示出在预测方面比最先进的模型和分类器模型具有更高的准确性。此外，确认了与23个miRNA相关的循环RNA（circRNAs），这些RNA来自前30名的相关经验。在这些工作中，所有结果表明，与湿实验室实验相比，WSCD在预测潜在的miRNA-circRNA关联方面将是一个有用的补充可靠方法。