基于异构网络和机器学习的长非编码RNA-疾病关联关系预测

发布时间：2021-03-13 04:55

　　长非编码RNA（long noncoding RNAs）是一类长度超过200个核苷酸的非编码RNAs,大量研究表明,lnc RNAs在许多重要的生物过程中起着关键作用,并且其突变和失调与许多疾病有关。然而通过生物实验方法来识别lnc RNA和疾病的关联是费时费力的。有效的计算方法将有助于人类对疾病分子机制的理解,并有助于寻找疾病诊断,治疗和预防的生物标志物。本文主要研究使用计算方法来预测lnc RNA-疾病关联关系。生物网络方法已经应用于多个生物信息领域,本文利用已知lnc RNA-疾病关联关系数据,lnc RNA表达相似度,疾病语义相似度等得到了lnc RNA-lnc RNA相似度矩阵和疾病相似度矩阵。并通过相似度矩阵构建了lnc RNA-疾病异构网络,通过在异构网络上进行双随机游走算法,对未知的关联进行预测,在对已知数据上的LOOCV下AUC值达到了0.9374,五折交叉验证下达到了0.8504,高于其它几种对比的方法。基于异构网络的模型对于高关联疾病的预测和对新疾病的预测都表现出良好效果。另外,通过将方法应用于复杂疾病进行案例研究,说明了方法的有效性。而且,方法可以同时对所有疾病... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

蚂蚁的随机游走随机游走在数学和物理学的许多模型中出现

基于lncRNA功能相似网络的预测方法

BiRWHLDA算法流程


本文编号：3079607