自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(26)
  • 收藏
  • 关注

原创 MHDMF:基于多源图卷积网络的深度矩阵分解预测 miRNA 与疾病的关联(Computers in Biology and Medicine)

越来越多的研究证明,微小 RNA (miRNA)是影响各种疾病的不同生物过程中的重要生物标志物。作为对高成本湿实验方法的有力补充,大量的计算预测方法应运而生。然而,在有效利用高度假阴性关联和多来源信息寻找潜在关联方面仍然存在挑战。在这项工作中,我们开发了一个端到端的计算框架,称为 MHDMF,它整合了异质网络上的多源信息,发现潜伏的疾病与 miRNA 之间的关联。由于 miRNA 疾病关联中存在高度假阴性,MHDMF 利用多源图卷积网络(GCN)通过重新制定 miRNA 疾病关联评分矩阵来纠正假阴性关联。

2023-05-25 10:41:35 505 1

原创 MSGCL: 基于多视图自监督图结构对比学习推断 miRNA 与疾病的关联(Briefings in Bioinformatics)

潜在的 miRNA-疾病关联(MDA)在发现复杂的人类疾病病因学中起着重要作用。因此,MDA 预测是生物医学机器学习领域的一个热门研究课题。近年来,针对这一问题提出了几种模型,但其性能受限于过度依赖含有噪声图结构连接的相关网络信息。然而,自监督图结构学习在 MDA 任务中的应用还有待进一步研究。本研究首次将多视角自监督对比学习(MSGCL)应用于 MDA 预测。具体而言,我们生成了一个没有 miRNA 和疾病关联标签作为输入的学习者视图,并利用已知的关联网络生成锚视图,为学习者视图提供指导信号。

2023-05-24 16:57:10 683

原创 MDA-CNN:基于学习的神经网络 miRNA-疾病关联识别框架(Bioinformatics)

动机:微小 RNA (miRNA)是一种非编码 RNA,在许多生物学过程中起着重要作用。许多研究表明,miRNA 与人类疾病有关,这表明 miRNA 可能是各种疾病的潜在生物标志物。因此,揭示 miRNA 与疾病/表型之间的关系具有重要意义。结果:我们提出了一个新的基于学习的框架,MDA-CNN,用于 miRNA 疾病的关联鉴定。该模型首先基于包括。

2023-05-17 17:40:04 424

原创 DBNMDA: 预测潜在 miRNA-疾病相关性的深度信念网络(Briefings in Bioinformatics)

小 RNA (miRNA)在疾病的发生、发展、诊断和治疗中起着重要作用。越来越多的研究者开始关注 miRNA 与疾病之间的关系。与传统的生物学实验相比,利用计算方法整合异质生物学数据来预测潜在的相关性,可以有效地节省时间和成本。考虑到以往计算模型的局限性,我们建立了 miRNA-疾病关联预测的深度信念网络模型(DBNMDA)。我们构建了特征向量来预先训练所有 miRNA 疾病对的受限 Boltzmann 机,并应用阳性样本和相同数量的选定阴性样本来微调 DBN 以获得最终预测分数。

2023-05-16 18:19:25 236

原创 SGAEMDA:基于堆叠图自动编码器的 miRNA-疾病关联预测(cells)

小 RNA (miRNA)-疾病关联(MDA)预测对疾病的预防、诊断和治疗至关重要。另一方面,传统的 MDA 湿试验效率低下,成本高。因此,我们提出了一个多层次的协作无监督训练基础模型,称为 SGAEMDA (基于堆叠图自动编码器预测潜在的 miRNA 疾病关联)。首先,从原始的 miRNA 和疾病数据,我们定义了两种类型的初始特征: 相似性特征和关联特征。

2023-05-15 21:33:43 367

原创 MKGAT:基于图注意网络和双拉普拉斯正则化最小二乘的 miRNA-疾病关联预测(Briefings in Bioinformatics)

越来越多的生物医学证据表明,miRNA 的失调与人类的复杂疾病有关。疾病相关 miRNA 的鉴定对疾病的预防、诊断和治疗具有重要意义。为了减少生物医学实验的时间和成本,开发有效的计算方法来推断潜在的 miRNA 疾病关联有很强的动力。虽然已经提出了许多计算方法来解决这个问题,但是预测的准确性还需要进一步提高。在这项研究中,我们提出了一个计算框架 MKGAT 通过图注意网络(GATs)使用双拉普拉斯正则化最小二乘来预测 miRNA 和疾病之间可能的关联。

2023-05-14 23:45:12 432

原创 SAEMDA:基于堆叠自编码器的潜在 miRNA-疾病相关性预测(Briefings in Bioinformatics)

近年来,越来越多的生物学实验和科学研究表明,小 RNA (miRNA)在人类复杂疾病的发展中起着重要作用。因此,发现 miRNA 与疾病的关联有助于准确诊断和有效治疗疾病。通过基于生物学数据的计算方法识别 miRNA 与疾病的关联已被证明是低成本和高效率的。在这项研究中,我们提出了一个计算模型称为堆叠自动编码器用于潜在的 miRNA-疾病关联预测(SAEMDA)。在 SAEMDA,所有的 miRNA 疾病样本都被用于无监督地预训练一个堆叠的自编码器(SAE)。

2023-05-04 18:00:56 285

原创 GMDA:结合成对邻域拓扑和 miRNA 家族和聚类属性进行miRNA-疾病关联预测(Briefings in Bioinformatics)

识别疾病相关的小 RNA (miRNA)有助于理解疾病的发病机制。现有的研究方法综合了与 miRNA 和疾病相关的多种数据来推断候选疾病相关的 miRNA。

2023-04-30 00:30:10 269

原创 VGAMF:基于多视图变分图自编码器和矩阵分解的 miRNA-疾病关联预测(IEEE Journal of Biomedical and Health Informatics)

摘要: 小 RNA (miRNA)已被证明在包括人类疾病发展过程在内的多种生物学过程中发挥着重要作用。探索 miRNA 与疾病之间的潜在联系可以帮助我们更好地理解复杂的疾病机制。考虑到传统的生物实验是昂贵和耗时的,计算模型可以作为发现潜在的 miRNA 疾病关联的有效手段。这项研究提出了一种新的基于带有矩阵分解的变分图自动编码计算模型(VGAMF),用于 miRNA-疾病关联预测。

2023-04-28 15:56:15 852

原创 疾病相关 circRNA 预测的深度学习模型研究进展(Briefings in Bioinformatics)

新的证据表明,环状 RNA (circRNA)可以为疾病的诊断和治疗提供新的见解和潜在的治疗靶点。然而,传统的生物学实验是昂贵和耗时的。最近,深度学习具有更强大的表示学习能力,使其成为预测疾病相关的 circRNA 的一种有前途的技术。本文主要介绍了目前最流行的与 circRNA 相关的数据库,并总结了基于深度学习的 circRNA 疾病关联预测方法的三种类型: 基于特征生成的方法、基于类型鉴别的方法和基于杂交的方法。

2023-04-26 21:31:24 961

转载 贝叶斯个性化排序(BPR)算法小结

排序推荐算法历史很悠久,早在做信息检索的各种产品中就已经在使用了。最早的第一类排序算法类别是点对方法(Pointwise Approach),这类算法将排序问题被转化为分类、回归之类的问题,并使用现有分类、回归等方法进行实现。第二类排序算法是成对方法(Pairwise Approach),在序列方法中,排序被转化为对序列分类或对序列回归。所谓的pair就是成对的排序,比如(a,b)一组表明a比b排的靠前。我们要讲到的BPR就属于这一类。

2023-04-22 12:45:00 62

原创 KR-NSSM:基于更可靠的阴性样本选择预测潜在的 miRNA-疾病关联(BMC Bioinformatics)

我们构建特征向量以表示 miRNA 疾病关联如下: 首先,我们获得由383个疾病相似性评分组成的383维向量以表示每种疾病,以及由495个 miRNA 相似性评分组成的495维向量以表示每个 miRNA。然后,我们用由383个疾病相似性评分和495个 miRNA 相似性评分组成的878维特征向量表示每个样本。如方程(1) :其中(f1,f2,⋯⋯ ,f495)表示495个 miRNA 相似性得分,并且(f496,⋯⋯ ,f878)表示383个疾病相似性得分。

2023-04-21 15:43:52 190

原创 HGANMDA:用于miRNA与疾病关联预测的分层图注意力网络(Molecular Therapy)

大量的实验结果表明,我们的模型在预测miRNA与疾病的关联方面取得了良好的性能和令人满意的结果。

2023-04-20 17:20:24 1012

原创 NMCMDA:神经多类miRNA与疾病关联预测(Briefings in Bioinformatics)

动机:越来越多的证据表明,miRNAs的失调通过各种潜在的机制导致疾病。因此,预测microRNAs(miRNAs)与疾病的多类关联对于研究miRNAs在疾病中的作用具有重要意义。此外,与传统的耗时昂贵的生物学实验相比,预测多基因miRNA与疾病关联的计算方法节省了时间和成本效益,是我们迫切需要的。结果:我们提出了一种新的基于数据驱动的端到端学习的神经多类miRNA疾病关联预测方法(NMCMDA)来预测多类miRNA疾病关联。

2023-04-14 14:29:14 560

原创 OpenCV:视频存储

fourcc:编码器,可在第一次保存视频时将参数先设置为-1,运行程序结束查看可使用的编码格式。is_color:1(彩色帧),0(灰度帧),默认为1。filename:生成视频的路径。frameSize:视频分辨率。功能:将帧写入视频文件。

2023-04-06 00:31:34 395

原创 OpenCV:从摄像头、多媒体文件采集视频

该函数结合VideoCapture.grab()和VideoCapture.retrieve(),用于捕获、解码和返回下一个视频帧这是一个最方便的函数对于读取视频文件或者捕获数据从解码和返回刚刚捕获的帧,假如没有视频帧被捕获(相机没有连接或者视频文件中没有更多的帧)将返回False。功能:解码并且返回刚刚抓取的视频帧,假如没有视频帧被捕获(相机没有连接或者视频文件中没有更多的帧)将返回False。功能:创建一个VideoCapture类的实例,如果传入对应的参数,可以直接打开视频文件或者要调用的摄像头。

2023-04-05 21:39:10 339

原创 OpenCV:创建窗口,图片显示和保存

waitKey()的基本逻辑:他会在一定时间内等待接收键盘的一个值;返回值为键盘按键的ASCII值;delay表示等待时间(ms)。若delay

2023-04-05 00:40:25 1751

原创 MMGCN:多视点多通道注意力图卷积网络在miRNA与疾病关联预测中的应用 (Briefings in Bioinformatics)

动机:近年来,越来越多的研究证明microRNAs(miRNAs)在人类复杂疾病的发展中起着重要作用。发现miRNAs与疾病的关系已成为疾病发现和治疗的重要组成部分。由于传统的实验方法发现关联是复杂和耗时的,许多计算方法被提出来识别潜在的关联。然而,利用多源数据准确确定miRNA与疾病之间的潜在关联仍存在挑战。结果:在本研究中,我们开发了一个多视点多通道注意图卷积网络(MMGCN)来预测潜在的miRNA与疾病的关联。

2023-03-30 14:35:35 1550

原创 DAEMKL:基于多核学习的深度自动编码器预测miRNA与疾病的关联(IEEE Transactions on Neural Networks and Learning Systems)

确定microRNA(miRNA)-疾病关联是预防、诊断和治疗复杂疾病的重要组成部分。然而,湿实验识别MDAs效率低且昂贵。因此,建立可靠有效的数据集成模型预测MDAs具有重要意义。本文提出了一种基于多核学习的深度自动编码器(DAEMKL)的MDAs预测方法。首先,DAEMKL在miRNA空间和疾病空间分别应用多核学习(MKL)构建miRNA相似度网络和疾病相似度网络。然后,通过回归模型从miRNA相似度网络和疾病相似度网络中学习每个疾病或miRNA的特征表示。然后将整合。

2023-03-29 00:49:39 830

原创 ERMDA:基于重采样的集成学习框架预测miRNA与疾病的关联(Briefings in Bioinformatics)

研究动机:越来越多的证据表明,microRNA(miRNA)在各种复杂疾病的发病和进展中起着至关重要的作用。推断与疾病相关的miRNAs对于探索人类疾病的病因、诊断和治疗具有重要意义。由于生物学实验费时费力,开发有效的计算方法来识别miRNAs与疾病之间的联系已成为必不可少的。结果:我们提出了一个基于重采样方法的集成学习框架用于miRNA-疾病关联(ERMDA)预测,以发现潜在的疾病miRNAs。首先,提出了重采样策略,用于建立多个不同的平衡训练子集,以解决数据库中样本不平衡的挑战。然后ERMDA通过整合。

2023-03-26 22:52:19 505

原创 GRPAMDA:基于图随机传播网络和注意网络的miRNA与疾病关联预测(Briefings in Bioinformatics)

大量实验表明,生物体中microRNAs(miRNAs)的异常表达往往伴随着特定疾病的出现。miRNAs的研究可以促进特定疾病的预防和药物研究。然而,miRNAs与疾病之间仍有许多未被发现的联系,这极大地限制了miRNAs的研究。因此,为了探索未知的miRNA与疾病的关联,我们将基于DropFeature的图随机传播网络与注意力网络相结合,提出了一种新的miRNA与疾病关联的深度学习预测模型(GRPAMDA)。具体来说,我们首先基于mIRNA-疾病关联信息构建了mIRNA-疾病异构图。

2023-03-24 12:11:38 550 1

原创 DFELMDA:基于自动编码器的深度森林集成学习识别miRNA与疾病关联(Briefings in Bioinformatics)

越来越多的证据表明,人类复杂疾病的发生与microRNA(miRNA)的变异和失衡密切相关。因此,预测疾病相关的miRNAs对于复杂人类疾病的诊断和治疗至关重要。虽然目前的一些计算方法可以有效预测潜在的疾病相关miRNAs,但预测的准确性还有待进一步提高。在我们的研究中,提出了一种新的基于自动编码器的深度森林集成学习的计算方法(DFELMDA)来预测miRNA-疾病的关联。具体来说,提出了一种新的特征表示策略,为每个miRNA-疾病关联获得不同类型的特征表示(来自miRNA和疾病)。

2023-03-22 15:39:54 664

原创 SFGAE:一种用于miRNA与疾病关联预测的基于自特征的图自动编码器模型(Briefings in Bioinformatics)

login=true。

2023-03-17 23:43:27 589

原创 DeepWalk(深度游走)算法

然后借助自然语言处理的思路,将生成的顶点序列看作由单词组成的句子,所有的序列可以看作一个大的语料库(corpus),最后利用自然语言处理工具word2vec将每一个顶点表示为一个维度为d的向量。顶点的表示X是一个|V|×s维的矩阵,|V|表示顶点的数量,s是代表每个顶点的向量的维数(一般比较小),所以X即为将每个顶点的向量结合在一起形成的矩阵。如果在图G的基础上再加上顶点的向量表示和顶点所属的标注(网络节点分类问题中,网络中的每个顶点都有一个类别,所属的类别即为该顶点的标注)就构成了一个。

2023-03-14 00:44:33 5002

原创 图(graph)的基本知识

图(graph)的基本知识

2023-03-13 19:00:09 1674

原创 MAGCN:基于lncRNA与miRNA相互作用和图卷积网络预测miRNA与疾病的关联(Briefings in Bioinformatics)

文献笔记:Predicting miRNA-disease associations based onlncRNA–miRNA interactions and graph convolutionnetworks 基于lncRNA与miRNA相互作用和图卷积网络预测miRNA与疾病的关联(Briefings in Bioinformatics)

2023-03-13 15:15:49 1430 1

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除