已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

GATLGEMF: A graph attention model with line graph embedding multi-complex features for ncRNA-protein interactions prediction

计算机科学 图形 人工智能 嵌入 非编码RNA 机器学习 图嵌入 水准点(测量) 理论计算机科学 特征(语言学) 数据挖掘 核糖核酸 基因 生物 生物化学 语言学 哲学 大地测量学 地理
作者
Jing Yan,Wenyan Qu,Xiaoyi Li,Ruobing Wang,Jianjun Tan
出处
期刊:Computational Biology and Chemistry [Elsevier]
卷期号:108: 108000-108000 被引量:1
标识
DOI:10.1016/j.compbiolchem.2023.108000
摘要

Non-coding RNA (ncRNA) plays an important role in many fundamental biological processes, and it may be closely associated with many complex human diseases. NcRNAs exert their functions by interacting with proteins. Therefore, identifying novel ncRNA-protein interactions (NPIs) is important for understanding the mechanism of ncRNAs role. The computational approach has the advantage of low cost and high efficiency. Machine learning and deep learning have achieved great success by making full use of sequence information and structure information. Graph neural network (GNN) is a deep learning algorithm for complex network link prediction, which can extract and discover features in graph topology data. In this study, we propose a new computational model called GATLGEMF. We used a line graph transformation strategy to obtain the most valuable feature information and input this feature information into the attention network to predict NPIs. The results on four benchmark datasets show that our method achieves superior performance. We further compare GATLGEMF with the state-of-the-art existing methods to evaluate the model performance. GATLGEMF shows the best performance with the area under curve (AUC) of 92.41% and 98.93% on RPI2241 and NPInter v2.0 datasets, respectively. In addition, a case study shows that GATLGEMF has the ability to predict new interactions based on known interactions. The source code is available at https://github.com/JianjunTan-Beijing/GATLGEMF.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
医疗废物专用车乘客完成签到,获得积分10
5秒前
sober完成签到 ,获得积分10
13秒前
曾经的彩虹完成签到,获得积分10
14秒前
张军辉发布了新的文献求助10
15秒前
超脱闲人关注了科研通微信公众号
16秒前
fengyuke发布了新的文献求助10
16秒前
Diligency完成签到 ,获得积分10
17秒前
17秒前
十三发布了新的文献求助10
18秒前
会科研的胡萝卜完成签到,获得积分10
18秒前
Zhangfu完成签到,获得积分10
19秒前
楼翩跹完成签到 ,获得积分10
22秒前
Wang完成签到 ,获得积分10
22秒前
22秒前
22秒前
甜甜莫言完成签到 ,获得积分10
25秒前
超脱闲人发布了新的文献求助10
25秒前
25秒前
简晴完成签到,获得积分10
28秒前
29秒前
JIE完成签到,获得积分10
30秒前
852应助啊呜采纳,获得10
31秒前
31秒前
在水一方应助zolwin7采纳,获得10
31秒前
超帅慕晴完成签到,获得积分10
31秒前
鸭蛋完成签到 ,获得积分10
31秒前
爆闪小鸡爪完成签到 ,获得积分10
32秒前
36秒前
田様应助会科研的胡萝卜采纳,获得10
36秒前
潇洒的语蝶完成签到 ,获得积分10
37秒前
大火烧了毛毛虫完成签到,获得积分10
38秒前
生物小白完成签到 ,获得积分10
42秒前
Carmen发布了新的文献求助30
46秒前
46秒前
46秒前
怕黑香氛完成签到 ,获得积分10
49秒前
景__完成签到 ,获得积分10
49秒前
LUJyyyy完成签到 ,获得积分10
51秒前
53秒前
53秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 890
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3256743
求助须知:如何正确求助?哪些是违规求助? 2898909
关于积分的说明 8302988
捐赠科研通 2568075
什么是DOI,文献DOI怎么找? 1394872
科研通“疑难数据库(出版商)”最低求助积分说明 652924
邀请新用户注册赠送积分活动 630631