一种基于两阶段自适应特征学习的circRNA-疾病关联预测方法技术

本发明专利技术公开了一种基于两阶段自适应特征学习的circRNA‑疾病关联预测方法AGDFCDA，包括以下步骤：首先，AGDFCDA分别融合circRNA和疾病的多种相似性，结合关联网络构造circRNA‑疾病异构网络；其次，AGDFCDA设计了一种两阶段特征学习策略，在第一阶段将融合相似性作为初始特征，应用全连接神经网络，减少circRNA和疾病的噪声和冗余信息，实现特征的初步提取；在第二阶段，AGDFCDA引入自适应图卷积网络，深入挖掘异构网络中的拓扑结构信息和节点属性信息，以学习更全面的circRNA和疾病特征表示；最后，通过多层感知器实现circRNA和疾病的潜在关联预测。本发明专利技术设计的两阶段特征学习策略，能够充分挖掘circRNA和疾病的隐藏特征，有效提高了模型的预测能力。

【技术实现步骤摘要】

本专利技术涉及智能计算与数据挖掘领域，特别涉及一种基于两阶段自适应特征学习的circrna-疾病关联预测方法。

技术介绍

1、circrna存在于真核细胞中，由于独特的闭合环形结构，比一般线性rna具有更高的稳定性。大量研究证明，异常表达的circrna通常会导致多种疾病的发生和发展。例如，circrna cdr1as能够调节mirna的功能来影响神经细胞的存活和功能，circanril通过调节基因表达影响动脉粥样硬化的发生等。由此可见，circrna与复杂疾病之间存在密切联系。揭示circrna与疾病的关联有助于发现潜在的疾病靶点，为疾病的诊断和治疗提供新的解决方案。

2、传统的生物实验在circrna-疾病关联预测中扮演着重要角色。然而，随之而来的耗时、高成本、技术限制以及数据量受限等问题，限制了其在大规模和高效率研究中的应用。为了应对这些挑战，研究者们通过开发计算模型进行预测分析，从而提高研究效率和准确性。

3、现有的计算模型大致分为两类。第一类是基于网络分析的方法。fan等人提出了katzhcda模型，通过将circrna表本文档来自技高网...

【技术保护点】

1.一种基于两阶段自适应特征学习的circRNA-疾病关联预测方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的基于两阶段自适应特征学习的circRNA-疾病关联预测方法，其特征在于，步骤1中所述两阶段特征学习策略的第一阶段是将circRNA和疾病的融合相似性作为初始特征，通过全连接神经网络，减少初始特征中的冗余信息，实现隐藏特征的初步提取，具体步骤如下：

3.根据权利要求1所述的基于两阶段自适应特征学习的circRNA-疾病关联预测方法，其特征在于，步骤2中所述两阶段特征学习策略的第二阶段引入自适应图卷积网络，将第一阶段得到的特征表示与circRN...

【技术特征摘要】

1.一种基于两阶段自适应特征学习的circrna-疾病关联预测方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的基于两阶段自适应特征学习的circrna-疾病关联预测方法，其特征在于，步骤1中所述两阶段特征学习策略的第一阶段是将circrna和疾病的融合相似性作为初始特征，通过全连接神经网络，减少初始特征中的冗余信息，实现隐藏特...

【专利技术属性】
技术研发人员：尚军亮，何鑫，张力敏，孟祥涵，李凤，刘金星，
申请(专利权)人：曲阜师范大学，
类型：发明
国别省市：