文献类型：期刊文章

作　　者：高宇[1] 冷锋[1] 李萌[1] 朱江[1] 邵轶旭[1] 罗微[1]

GAO Yu;LENG Feng;LI Meng;ZHU Jiang;SHAO Yixu;LUO Wei(School of Medical Informatics,Daqing Campus,Harbin Medical University,Daqing 163000,China)

机构地区：[1]哈尔滨医科大学大庆校区医学信息学系,黑龙江大庆163000

出　　处：《自动化与仪器仪表》

基　　金：黑龙江省省属高等学校基本科研业务费基础研究项(JFQN202105);大庆市指导性科技计划项目(zdy-2020-46);大庆市指导性科技计划项目(zdy-2020-47)。

年　　份：2022

期　　号：11

起止页码：22-26

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：近年来,基于机器学习的microRNA与复杂疾病之间的关系预测受到广泛关注。然而现存的方法大多是围绕microRNA表达谱,相似性网络,序列特征等角度开发的,忽略了转录调控信息的重要性。基于此提出了一种新的基于microRNA上下游转录调控特征数据的机器学习算法(RPDZ)去预测癌症相关microRNA的重要性。此方法首先通过手动搜索和批量处理高通量数据,计算和整合microRNA上下游的特征数据,然后利用随机森林进行有效的特征提取,最后利用深度神经网络更好地捕捉疾病与microRNA的关系,更好地预测microRNA的重要性得分。使用ROC曲线下方的面积(AUC)、F-measure值和准确度(ACC)作为评估预测性能的指标。通过五折交叉验证的实验表明所提出的算法(ACC:0.8748,AUC:0.93,F-measure:0.8701)相比其他三种对比方法PESM、SVM、GaussianNB可得到更好的分类识别效果。算法不仅可以有效地整合多组学特征数据识别关键的miRNA,还可以为精确和自动化的计算机辅助诊断奠定基础。

关 键 词：MICRORNA 转录调控 深度学习  特征提取

分 类 号：TP273]