公开(公告)号：CN114999635B

公开(公告)日：2025-02-21

申请号：CN202210702017.6

申请日：2022-06-20

Applicant: 桂林理工大学

Inventor： 张奕 ,  王真梅 ,  蔡钢生

IPC: G16H50/20 ,  G16B20/00 ,  G16B5/00 ,  G06F18/2431 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 一种基于图卷积神经网络和Node2vec的circRNA‑疾病关联关系预测方法，步骤如下：获取circRNA‑疾病关联矩阵；计算circRNA功能相似性、circRNA高斯相互作用谱核相似性、疾病高斯相互作用谱核相似性、疾病语义相似性，构建circRNA集成相似性和疾病集成相似性，生成circRNA‑疾病异构图；稀疏自动编码器对circRNA(疾病)集成相似性进行特征提取和变换后转为64维特征向量，融合circRNA特征向量和疾病特征向量为最终的circRNA‑疾病特征向量；图卷积神经网络对circRNA‑疾病异构图提取节点的局部结构信息；Node2vec方法对circRNA‑疾病异构图提取节点的全局结构信息；将前两步得到的节点信息送入到随机森林分类器中，预测潜在的circRNA‑疾病关联关系。通过计算方法预测与疾病相关的circRNA，节省时间，有助于阐明疾病发病机制，寻找有效治疗方案。

公开(公告)号：CN114999635A

公开(公告)日：2022-09-02

申请号：CN202210702017.6

申请日：2022-06-20

Applicant: 桂林理工大学

Inventor： 张奕 ,  王真梅 ,  蔡钢生

IPC: G16H50/20 ,  G16B20/00 ,  G16B5/00 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 一种基于图卷积神经网络和Node2vec的circRNA‑疾病关联关系预测方法，步骤如下：获取circRNA‑疾病关联矩阵；计算circRNA功能相似性、circRNA高斯相互作用谱核相似性、疾病高斯相互作用谱核相似性、疾病语义相似性，构建circRNA集成相似性和疾病集成相似性，生成circRNA‑疾病异构图；稀疏自动编码器对circRNA(疾病)集成相似性进行特征提取和变换后转为64维特征向量，融合circRNA特征向量和疾病特征向量为最终的circRNA‑疾病特征向量；图卷积神经网络对circRNA‑疾病异构图提取节点的局部结构信息；Node2vec方法对circRNA‑疾病异构图提取节点的全局结构信息；将前两步得到的节点信息送入到随机森林分类器中，预测潜在的circRNA‑疾病关联关系。通过计算方法预测与疾病相关的circRNA，节省时间，有助于阐明疾病发病机制，寻找有效治疗方案。