NEMPD：一种基于网络嵌入的方法，通过保留行为和属性信息来预测miRNA-疾病关联

英文标题：NEMPD: a network embedding-based method for predicting miRNA-disease associations by preserving behavior and attribute information

论文链接： https://link.springer.com/article/10.1186/s12859-020-03716-x

 

背景：microRNA（miRNA）作为重要的非编码RNA，在一系列生命过程中发挥着重要作用，并与多种人类疾病密切相关。因此，潜在的miRNA-疾病关联的识别可以为人类疾病的研究和治疗做出巨大的贡献。然而，据我们所知，许多现有的计算方法仅利用miRNA与疾病之间单一类型的已知关联信息来预测其潜在的关联，而没有关注它们与其他类型分子的相互作用或关联。

结果：在本文中，我们提出了一种基于网络嵌入的方法，可以通过保留行为和属性信息来预测miRNA-疾病关联。首先，通过整合miRNA、蛋白质和疾病之间的已知关联来构建异构网络，并采用网络表示方法“学习具有全局结构信息的图形表示（GraRep）”来学习网络中miRNA和疾病的行为信息。然后，将miRNA和疾病的行为信息与它们的属性信息结合起来，以表示miRNA-疾病关联对。最后，基于随机森林算法建立了预测模型。在五重交叉验证下，所提出的NEMPD模型在AUC为91.58％时获得了平均85.41％的预测准确度和80.96％的灵敏度。此外，案例研究也验证了NEMPD的性能。在预测前50个与疾病相关的miRNA中，另外两个数据库分别确认了48个（乳腺肿瘤），47个（结肠肿瘤），47个（肺肿瘤）miRNA。

结论：所提出的NEMPD模型在预测miRNA与疾病之间的潜在关联方面具有良好的性能，并且在未来的miRNA-疾病关联预测领域具有巨大的潜力。

 

方法详情

整体方法流程图如下：

1. miRNA-protein-disease 关联网络的构建

通过组合已知的miRNA-蛋白质和蛋白质-疾病关联来构建miRNA-蛋白质-疾病关联网络，示意图如下图所示：