一种预测miRNA与疾病关联关系的矩阵分解算法
越来越多的证据表明microRNAs(miRNAs)在生命进程中发挥着重要作用.近年来,预测miRNAs与疾病的关联关系成为一个研究热点.然而,现有的方法大多数是基于已知的miRNA-疾病关联,对没有任何关联信息的miRNA或疾病的效果是很不理想的.本文提出了一种矩阵分解的方法LMFMDA(Ieast squares optimization matrix factorization method for mirna-disease association)对miRNAs和疾病的关联关系进行预测.LMFM-DA基于miRNAs相似度矩阵、疾病相似度矩阵和miRNAs-疾病关联关系矩阵,用迭代最小二乘法求解miRNAs和疾病的表达向量,最终利用miRNAs和疾病的表达向量完成对miRNA与疾病关联关系的预测.与常规做法不同的是,我们引入了辅助的miRNAs和疾病变量,来保证在优化时能够收敛到最优解.实验结果表明,采用留一交叉验证法得到的AUC值可达0.820 6,明显优于当前其他方法,尤其在没有任何关联信息的miRNA和疾病上,LMFMDA算法比最新的算法有了极大的提升.
microRNAs、疾病、关联预测、矩阵分解、迭代最小二乘
13
TP391(计算技术、计算机技术)
国家自然科学基金项目61671189,61571163,61532014,91735306;国家重点研发计划课题2016YFC0901902
2018-11-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
897-904