计算机工程

作者：张奕, 郑婧, 蔡钢生, 王真梅

单位：1. 桂林理工大学 信息科学与工程学院, 广西 桂林 541004;2. 广西嵌入式技术与智能系统重点实验室, 广西 桂林 541004

关键词：图注意力网络,归纳式矩阵补全,关联预测,双重聚合器,特征增强

基金：国家自然科学基金（62166014）；广西自然科学基金面上项目（2020GXNSFAA297255）；广西嵌入式技术与智能系统重点实验室项目（2019-01-06）。

可计算模型能够有效替代生物实验进行长链非编码RNA（lncRNA）-疾病的关联预测，但由于存在已知数据稀疏性问题，导致现有模型的预测精度不高。针对这一局限性，提出基于图注意力网络与归纳式矩阵补全技术的双融合机制lncRNA-疾病关联预测模型（DFMP-LDA）。引入n头注意力机制，设计带有双重聚合器的图注意力网络，增强lncRNA节点与疾病节点的特征，避免数据稀疏性导致模型预测精度不高的问题。在此基础上，针对传统图注意力网络不能直接应用于潜在lncRNA-疾病对关联预测的问题，引入归纳式矩阵补全技术，应用增强后的节点特征重建lncRNA-疾病关联网络，进一步提高模型的预测精度。5折交叉验证结果表明，DFMP-LDA预测lncRNA-疾病关联的AUC值为0.932 2，AUPR值为0.770 5，在时间成本上分别较DMF-LDA、SDLDA、TPGLDA模型节省33.89%、32.17%、16.12%，预测性能较优。

来源：2022年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第12期