通过LMI-MHGAT嵌入多层RNA网络以预测lncRNA与miRNA之间的相互作用

《BMC Biology》：Embedding multilayer RNA networks for lncRNA-miRNA interaction prediction via LMI-MHGAT

　　

摘要

背景

识别lncRNA与miRNA之间的相互作用（LMIs）对于解析转录后调控网络及其在发育和疾病中的作用至关重要。尽管已经开发出计算方法来预测LMIs，但现有方法往往受到无法有效整合多模态生物数据以及无法处理生物网络固有的严重类别不平衡问题的限制。

结果

为了克服这些限制，我们提出了LMI-MHGAT，这是一种基于多层异构图注意力网络（Multilayer Heterogeneous Graph Attention network）的新型深度学习框架，用于LMIs的预测。我们的模型将多种数据（包括RNA序列、表达谱和已知的分子相互作用）整合到一个统一的图表示中。一个关键的创新点是使用了图注意力机制，该机制能够动态学习如何对来自不同关系层的信息进行加权，从而使模型能够为lncRNAs和miRNAs学习到稳健的嵌入表示。LMI-MHGAT在人类LMI数据上的表现显著优于14种现有方法，在严重的类别不平衡情况下（正例与负例比例为1:60）仍表现出极高的鲁棒性。该模型具有很好的泛化能力，在大鼠和植物数据集上实现了最先进的性能。案例研究证实了它能够恢复与疾病相关的调控轴，并预测新的、生物学上合理的相互作用。

结论

LMI-MHGAT通过同时解决数据利用和整合方面的关键问题，提供了一个更强大、更稳健的LMIs预测框架。该工具可在https://github.com/Zhenpm/LMI-MHGAT免费获取。