基于图论的miRNA与药物关联预测：多源信息与元路径增强矩阵的应用

《IEEE Journal of Biomedical and Health Informatics》：Graph-Based Prediction of miRNA-Drug Associations With Multisource Information and Metapath Enhancement Matrices

　　

摘要：

近期研究表明，miRNA表达失调与多种疾病的发病密切相关，因此基于miRNA的药物开发策略受到了越来越多的研究关注。现有的大多数计算方法仅关注单个节点的属性信息，且仅限于节点之间的直接关联，从而忽略了网络中存在的复杂关联关系。这一局限性可能导致关键潜在信息的丢失，进而影响预测精度。为解决这些问题，我们提出了一种基于多源信息融合和元路径增强矩阵的图自编码器（MSMP-GAE），用于预测miRNA与药物之间的潜在关联。该模型包括元路径实例提取模块、元路径特征增强编码模块、加权特征融合模块以及图自编码器。首先，我们利用经过实验验证的miRNA与药物相互作用数据构建一个异构的miRNA–药物网络，并将各种miRNA和药物的特征整合到初始特征矩阵中，以全面体现它们的内在属性信息。接着，我们从交互网络中提取元路径实例，生成多个元路径增强矩阵，再将这些矩阵与初始特征矩阵融合，从而得到高质量的节点特征嵌入。最后，我们在公共数据集上对该模型进行五折交叉验证，并在独立的测试集上对其进行测试。实验结果表明，所提出的MSMP-GAE模型的曲线下面积（AUC）和AUPR值分别为98.61%和98.23%，显著优于现有的几种先进方法。这体现了在miRNA–药物关联预测任务中，节点间高阶复杂关联的重要性，同时也为推进此类预测提供了新的方法与思路。

I. 引言

微小RNA是一种非编码的单链RNA分子，长度约为18–24个核苷酸，通过与靶mRNA结合在调控基因表达中起着关键作用。先前的研究已表明，微小RNA参与发育、细胞分化、增殖以及细胞凋亡等过程的调控[1]。例如，miR-361与miR-484之间的相互作用与心脏病，如心肌梗死密切相关[2]。此外，miR-122调控功能的丧失会导致miR-21过度表达，进而使PDCD4水平下降，从而促进癌症表型的形成[3]。另外，大脑转录组及蛋白质合成的紊乱与精神分裂症有关，而微小RNA在这一过程中也发挥着重要作用[4]。微小RNA还与多种癌症的发生和发展有关，包括乳腺癌、结直肠癌、胃癌、肺癌、前列腺癌以及甲状腺癌等[5]。微小RNA在调控基因表达中的多种功能凸显了它们在正常生理功能以及疾病机制中的重要性，因此成为研究和治疗多种疾病的重要领域[6]。近年来，关于微小RNA的研究大幅增加。Wang等人[7]提出了基于堆叠自编码器的计算模型，用于预测微小RNA与疾病之间的潜在关联。此外，Chen等人[8]则结合已知的微小RNA–疾病关联关系以及多种相似性网络，来预测微小RNA与复杂疾病之间的潜在关联。KATZHMDA[9]是一种基于KATZ指标的计算模型，它结合已知的微生物–疾病关联网络以及高斯交互轮廓核相似度，用于预测新的微生物–疾病关联关系。