基于张量分解的数据融合方法用于miRNA-疾病关联预测

骆嘉伟; 刘祎; 刘霈; 赖子涵; 吴昊

0
0
浏览
下载

摘要
关键词
基金信息
论文图表
同行评议
相关论文
评论

Data Integration Using Tensor Decomposition for The Prediction of miRNA-Disease Associations

首发时间：2021-05-24

JUO Jia-Wei ¹
Luo Jiawei（1964-），female，professor，major research direc- tion：data mining, computational biology and bioinformatics.E-mail:luojiawei@hnu.edu.cn.
LIU Yi ¹
Liu Yi（1995-），female， master，major research direction：bioinformatics and data mining
LIU Pei ¹ LAI Zi-Han ¹ WU Hao ¹

1、College of Computer Science and Electronic Engineering, Hunan University, Changsha 410082

Abstract：Dysfunction of miRNAs has an important relationship with diseases by impacting their target genes. Identifying disease-related miRNAs is of great significance to prevent and treat diseases. Integrating information of genes related miRNAs and/or diseases in calculational methods for miRNA-disease association studies is meaningful because of the complexity of biological mechanisms. Therefore, it is helpful to integrate multi-type data for identifying pathogenic miRNAs. In this paper, a novel data fusion method based on tensor decomposition is proposed, termed TDMDA, for the prediction of potential miRNA-disease associations. First, a three-order association tensor was constructed to express the associations of miRNA-disease pairs, the associations of miRNA-gene pairs, and the associations of gene-disease pairs simultaneously. Then, a method based on tensor decomposition is applied to fuse multiple data and reconstruct the association tensor for predicting miRNA-disease associations. The fused data includes biological similarity information and adjacency information. The performance of TDMDA is compared with other advanced methods under 5-fold cross-validations. The experimental results indicate the TDMDA is a competitive method.

keywords： Bioinformatics pathogenic miRNAs association prediction tensor decomposition data integration

点击查看论文中文信息

基于张量分解的数据融合方法用于miRNA-疾病关联预测

骆嘉伟 ¹
Luo Jiawei（1964-），female，professor，major research direc- tion：data mining, computational biology and bioinformatics.E-mail:luojiawei@hnu.edu.cn.
刘祎 ¹
Liu Yi（1995-），female， master，major research direction：bioinformatics and data mining
刘霈 ¹ 赖子涵 ¹ 吴昊 ¹

1、湖南大学信息科学与工程学院，长沙　410082

摘要：miRNA功能失调通过影响靶基因的表达而进而影响疾病。识别与疾病相关的miRNA对预防和治疗疾病具有重要意义。由于生物机制的复杂性,将与miRNA和/或疾病相关的基因信息整合到miRNA-疾病关联研究的计算方法中是有意义的。因此,整合多种类型的数据有助于寻找潜在的致病性miRNA。本文提出了一种基于张量分解的数据融合方法,TDMDA,用于预测潜在的miRNA-疾病关联。首先,本文构建了一个三阶关联张量用于同时表示miRNA-疾病对的关联信息,miRNA-基因对的关联信息和基因-疾病对的关联信息。然后,本文采用基于张量分解的方法融合多种数据,重构用于预测miRNA-疾病关联程度的关联张量,融合的数据有生物学相似性信息和邻接信息。在5折交叉验证实验中,将TDMDA的性能与其他先进方法进行了对比。实验结果表明,TDMDA是一种具有竞争力方法。

关键词：生物信息学致病miRNA 关联预测张量分解数据融合

基金：

论文图表：

引用

导出参考文献

.txt

.ris

.doc

JUO Jia-Wei,LIU Yi,LIU Pei,et al. Data Integration Using Tensor Decomposition for The Prediction of miRNA-Disease Associations[EB/OL]. Beijing:Sciencepaper Online[2021-05-24]. https://www.paper.edu.cn/releasepaper/content/202105-170.

No.****

同行评议

未申请同行评议

全部评论

0/1000

论文编号	202105-170
论文题目	基于张量分解的数据融合方法用于miRNA-疾病关联预测
文献类型
收录期刊	上传封面中文期刊英文期刊期刊名称（中文）期刊名称（英文）年，卷（）上传封面中文专著英文专著书名（中文）书名（英文）出版地出版社出版年上传封面中文译著英文译著书名（中文）书名（英文）出版地出版社出版年上传封面中文论文集英文论文集编者.论文集名称（中文） [c]. 出版地出版社出版年， - 编者.论文集名称（英文） [c]. 出版地出版社出版年，- 上传封面中文文献英文文献期刊名称（中文）期刊名称（英文）日期-- 在线地址http:// 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期-- 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期--
英文作者写法：中外文作者均姓前名后，姓大写，名的第一个字母大写，姓全称写出，名可只写第一个字母，其后不加实心圆点“.”, 作者之间用逗号“，”分隔，最后为实心圆点“.”, 示例1：原姓名写法：Albert Einstein,编入参考文献时写法：Einstein A. 示例2：原姓名写法：李时珍；编入参考文献时写法：LI S Z. 示例3：YELLAND R L,JONES S C,EASTON K S,et al.