检索结果-维普期刊中文期刊服务平台

基于图自动编码器和梯度决策树集成的lncRNA-疾病关联预测方法: 1; 作者李明强李然 +2 位作者刘琪杜晶颐李慧慧《现代电子技术》北大核心 2025年第12期61-66,共6页; 长链非编码RNA(lncRNA)的异常表达与人类疾病的发生发展密切相关。采用计算方法预测lncRNA与疾病的潜在关联可显著降低生物学实验验证的成本。针对现有机器学习方法易受噪声干扰且预测精度不足的问题,设计一种新型lncRNA-疾病关联预测模... 展开更多; 关键词 lncrna-疾病关联关联预测高斯关联核相似度图自动编码器梯度下降决策树特征提取; 在线阅读下载PDF 职称材料

基于集成回归决策树的lncRNA-疾病关联预测方法被引量：4: 2; 作者任首朋李劲 +1 位作者王静茹岳昆《计算机科学》 CSCD 北大核心 2022年第2期265-271,共7页; 长链非编码RNA(long non-coding RNA,lncRNA)在各种人类复杂疾病中起着重要作用。采用计算方法推断lncRNA-疾病间的潜在关联关系不仅有助于理解疾病的致病机理,还有助于疾病诊断、预防和治疗。文中提出了一种基于集成回归决策树的lncRNA... 展开更多; 关键词 lncrna-疾病关联预测特征提取 CART决策树集成学习; 在线阅读下载PDF 职称材料

一种流形正则化非负矩阵分解的lncRNA-疾病关系预测方法被引量：1: 3; 作者董文文林志毅《小型微型计算机系统》 CSCD 北大核心 2022年第8期1589-1595,共7页; 长链非编码RNA(lncRNA)在疾病的发生中起着重要作用,然而通过生物学实验探索lncRNA与疾病的关系昂贵且费时,必须开发出更准确和有效的计算方法来预测lncRNA与疾病的关系.本文提出了一种新的基于流形正则化非负矩阵分解的计算方法(MRNMFL... 展开更多; 关键词 lncrna-疾病关系预测非负矩阵分解相似性网络融合标签加权矩阵流形正则化; 在线阅读下载PDF 职称材料

NELDA:基于网络嵌入的lncRNA-疾病关联关系预测: 4; 作者李维娜樊校楠张绍武《生物化学与生物物理进展》 SCIE CAS CSCD 北大核心 2022年第7期1369-1380,共12页; 目的长非编码RNA (lncRNAs)参与多种重要的生物学过程并与各种人类疾病密切相关,因此,lncRNA-疾病关联预测研究有助于疾病的诊断、治疗和在分子水平理解人类疾病的发生发展机制。目前,大多数lncRNA-疾病关联预测方法倾向于浅层整合lnc... 展开更多; 关键词 lncrna-疾病关联网络嵌入深度自编码器高质量负样本选取; 在线阅读下载PDF 职称材料

一种lncRNA与疾病关联的多层线性投影预测算法: 5; 作者谢国波韩玉琼林志毅《小型微型计算机系统》 CSCD 北大核心 2022年第10期2084-2089,共6页; LncRNA-疾病关联预测的计算方法是解决传统生物学实验昂贵且费时的有效途径,其中基于机器学习的计算方法是当前研究热点,但其存在着未充分考虑lncRNA-疾病关联矩阵的局部结构和全局结构的问题.因此,本文提出了一种lncRNA与疾病潜在关联... 展开更多; 关键词 lncrna-疾病关联预测高斯核相似性 WKNKN 多层线性投影; 在线阅读下载PDF 职称材料

基于融合神经网络的LncRNA与疾病关联预测方法: 6; 作者李巧君章文杨伟《计算机科学》 CSCD 北大核心 2023年第8期226-232,共7页; 长链非编码RNA(Long non-coding RNA,LncRNA)的异常表达与疾病的生理和病理过程密切相关,识别LncRNA与疾病之间的潜在关联有助于理解疾病的分子发病机制。以往的方法未能深度整合异构的多源数据以及学习高维特征表示。为此,文中提出了... 展开更多; 关键词 lncrna-疾病关联预测融合神经网络栈氏自编码器; 在线阅读下载PDF 职称材料

题名基于图自动编码器和梯度决策树集成的lncRNA-疾病关联预测方法: 1; 作者李明强李然刘琪杜晶颐李慧慧; 机构大连海洋大学信息工程学院甘肃省肿瘤医院呼吸肿瘤内科; 出处《现代电子技术》北大核心 2025年第12期61-66,共6页; 文摘长链非编码RNA(lncRNA)的异常表达与人类疾病的发生发展密切相关。采用计算方法预测lncRNA与疾病的潜在关联可显著降低生物学实验验证的成本。针对现有机器学习方法易受噪声干扰且预测精度不足的问题,设计一种新型lncRNA-疾病关联预测模型LDA-GADT。首先,通过计算lncRNA和疾病的高斯关联核相似性对lncRNA功能相似性和疾病语义相似性进行补充,从而得到lncRNA和疾病的综合相似度矩阵;然后,使用图自动编码器学习lncRNA-疾病对的特征表示;最后,使用基于梯度的决策树集成算法来预测lncRNA与疾病之间的关联关系。五折交叉验证实验结果表明,在lncRNA Disease数据库上,LDA-GADT模型的AUC值为0.9424,较LDNFSGB、SDLDA、RWSF-BLP和LDAenDL模型分别提升了8.46%、6.5%、1.28%和3.14%;在MNDR数据库上的AUC值为0.982 2,较上述对比模型分别提升了4.76%、2.62%、1.93%和1.14%。此外,通过对肺癌和乳腺癌进行案例分析,进一步验证了所提模型的准确性和有效性。; 关键词 lncrna-疾病关联关联预测高斯关联核相似度图自动编码器梯度下降决策树特征提取; Keywords lncrna-disease association association prediction Gaussian association kernel similarity graph autoencoder gradient descent decision tree feature extraction; 分类号 TN911.23-34 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于集成回归决策树的lncRNA-疾病关联预测方法被引量：4: 2; 作者任首朋李劲王静茹岳昆; 机构云南大学软件学院云南大学信息学院; 出处《计算机科学》 CSCD 北大核心 2022年第2期265-271,共7页; 基金国家自然科学基金云南联合基金项目(U1802271) 云南省基础研究杰出青年项目(2019FJ011) 云南省应用基础研究计划重点项目(201901BB050052)。; 文摘长链非编码RNA(long non-coding RNA,lncRNA)在各种人类复杂疾病中起着重要作用。采用计算方法推断lncRNA-疾病间的潜在关联关系不仅有助于理解疾病的致病机理,还有助于疾病诊断、预防和治疗。文中提出了一种基于集成回归决策树的lncRNA-疾病关联预测方法。首先,利用已知的lncRNA-疾病关联信息分别构建lncRNA、疾病相似矩阵、lncRNA-疾病关联矩阵;其次,基于lncRNA、疾病相似矩阵、lncRNA-疾病关联矩阵,从不同视角进一步构建lncRNA、疾病特征向量;然后,使用主成分分析方法对lncRNA、疾病特征进行特征提取;最后,使用回归决策树作为预测模型,并进一步采用集成学习的平均策略将多个决策树集成,从而获得最终的预测模型。留一交叉验证实验表明,该方法的预测结果优于现有方法,在3个真实的lncRNA-疾病数据集上AUC值分别达到了0.905 5,0.896 9和0.912 9,与现有方法相比,分别提升了6.46%,5.4%和6.02%。此外,对乳腺癌、肺癌、胃癌3种疾病进行了案例分析,进一步验证了所提方法的准确性和有效性。; 关键词 lncrna-疾病关联预测特征提取 CART决策树集成学习; Keywords lncrna-disease Association prediction Feature extraction CART decision tree Ensemble learning; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程] R319 [医药卫生—基础医学]; 在线阅读下载PDF 职称材料

题名一种流形正则化非负矩阵分解的lncRNA-疾病关系预测方法被引量：1: 3; 作者董文文林志毅; 机构广东工业大学计算机学院; 出处《小型微型计算机系统》 CSCD 北大核心 2022年第8期1589-1595,共7页; 基金国家自然科学基金项目(618002072)资助广东省自然科学基金项目(2018A030313389)资助广州市科技计划项目(201902020012,201907010021)资助.; 文摘长链非编码RNA(lncRNA)在疾病的发生中起着重要作用,然而通过生物学实验探索lncRNA与疾病的关系昂贵且费时,必须开发出更准确和有效的计算方法来预测lncRNA与疾病的关系.本文提出了一种新的基于流形正则化非负矩阵分解的计算方法(MRNMFLDA)来预测lncRNA与疾病的关系.该方法首先采用相似性网络融合方法分别整合lncRNA与疾病的相似性,然后通过构建标签加权矩阵、引入流形正则化约束的非负矩阵分解算法来预测lncRNA与疾病潜在的关系.实验结果表明,本方法在留一交叉验证和5折交叉验证中AUC值分别达到0.8927和0.8635±0.0054,优于其他4种方法.案例研究表明,本方法能够有效地预测与3种疾病(肺癌,宫颈癌,和骨肉瘤)有关系的lncRNA.; 关键词 lncrna-疾病关系预测非负矩阵分解相似性网络融合标签加权矩阵流形正则化; Keywords lncrna-disease associations prediction non-negative matrix factorization similarity network fusion label weighting matrix manifold regularization; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名NELDA:基于网络嵌入的lncRNA-疾病关联关系预测: 4; 作者李维娜樊校楠张绍武; 机构西北工业大学自动化学院; 出处《生物化学与生物物理进展》 SCIE CAS CSCD 北大核心 2022年第7期1369-1380,共12页; 基金国家自然科学基金(61873202,62173271)资助项目。; 文摘目的长非编码RNA (lncRNAs)参与多种重要的生物学过程并与各种人类疾病密切相关,因此,lncRNA-疾病关联预测研究有助于疾病的诊断、治疗和在分子水平理解人类疾病的发生发展机制。目前,大多数lncRNA-疾病关联预测方法倾向于浅层整合lncRNA和疾病的相关信息,忽略网络拓扑结构中的深层嵌入特征;另外通过随机选取lncRNA-疾病非关联对构建负样本训练集合,影响预测方法的鲁棒性。方法本文提出一种基于网络嵌入的NELDA方法,预测潜在的lncRNA-疾病关联关系。NELDA首先利用lncRNA表达谱、疾病本体论和已知的lncRNA-疾病关联关系,构建lncRNA相似性网络、疾病相似性网络和lncRNA-疾病关联网络。然后,通过设计4个深度自编码器分别从lncRNA/疾病的相似性网络、lncRNA-疾病关联网络学习lncRNA和疾病的低维网络嵌入特征。串联lncRNA和疾病的相似性网络嵌入特征及lncRNA和疾病的关联网络嵌入特征,分别输入两个支持向量机分类器预测lncRNA-疾病关联。最后,采用加权融合策略融合两个支持向量机分类器的预测结果,给出lncRNA-疾病关联关系的最终预测结果。另外,根据已知的lncRNA-疾病关联对和疾病语义相似性,设计一种负样本选取策略构建可信度相对较高的lncRNA-疾病非关联对样本集,用以改善分类器的鲁棒性,该策略通过设计一种打分函数为每对lncRNA-疾病进行打分,选取得分较低的lncRNA-疾病对作为lncRNA-疾病非关联对样本(即负样本)。结果十折交叉验证实验结果表明:NELDA能够有效预测lncRNA-疾病关联关系,其AUC达到0.982 7,比现有LDASR和LDNFSGB方法分别提高了0.062 7和0.020 7。另外,负样本选取策略与决策级加权融合策略能够有效改善NELDA预测性能。胃癌和乳腺癌案例研究中,29/40 (72.5%)预测的与胃癌和乳腺癌关联lncRNAs,在近期文献和公共数据库中能够发现相关的支撑证据。结论这些实验结果表明,NELDA是一种有效的lncRNA-疾病关联关系预测方法,具有挖掘潜在lncRNA-疾病关联关系的能力。; 关键词 lncrna-疾病关联网络嵌入深度自编码器高质量负样本选取; Keywords lncrna-disease association network embedding deep auto-encoder high quality negative samples; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名一种lncRNA与疾病关联的多层线性投影预测算法: 5; 作者谢国波韩玉琼林志毅; 机构广东工业大学计算机学院; 出处《小型微型计算机系统》 CSCD 北大核心 2022年第10期2084-2089,共6页; 基金国家自然科学基金项目(618002072,62002070)资助广东省自然科学基金项目(2018A030313389)资助 +1 种基金广州市科技计划项目(201902020012,201907010021)资助.; 文摘 LncRNA-疾病关联预测的计算方法是解决传统生物学实验昂贵且费时的有效途径,其中基于机器学习的计算方法是当前研究热点,但其存在着未充分考虑lncRNA-疾病关联矩阵的局部结构和全局结构的问题.因此,本文提出了一种lncRNA与疾病潜在关联的多层线性投影预测方法(MLPLDA:Multi-layer linear projection for predicting lncRNA-disease association).MLPLDA利用组合加权整合lncRNA和疾病的两种相似性,然后用WKNKN重构原始的lncRNA-疾病关联矩阵,最后使用堆叠层策略的多层线性投影进行lncRNA-疾病关联预测.在留一和五折交叉验证实验中,MLPLDA获得的AUC分别是0.8807和0.8563±0.0045,体现了其可靠的性能.在3种疾病(肺癌,乳腺癌和骨肉瘤)的案例研究中,MLPLDA能够有效预测与3种疾病有关系的lncRNA.; 关键词 lncrna-疾病关联预测高斯核相似性 WKNKN 多层线性投影; Keywords lncrna-disease association prediction Gaussian kernel similarity WKNKN multi-layer linear projection; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于融合神经网络的LncRNA与疾病关联预测方法: 6; 作者李巧君章文杨伟; 机构河南省工业物联网应用工程技术研究中心河南工业职业技术学院电子信息工程学院华中农业大学信息学院; 出处《计算机科学》 CSCD 北大核心 2023年第8期226-232,共7页; 基金河南省科技攻关项目(212102310086)。; 文摘长链非编码RNA(Long non-coding RNA,LncRNA)的异常表达与疾病的生理和病理过程密切相关,识别LncRNA与疾病之间的潜在关联有助于理解疾病的分子发病机制。以往的方法未能深度整合异构的多源数据以及学习高维特征表示。为此,文中提出了一种基于融合神经网络(Fusion Neural Networks,FNN)预测候选疾病相关LncRNA的方法FNNLDA。FNNLDA整合与LncRNA、疾病和miRNAs相关的多种数据,采用多模型融合思想,利用栈式自编码器和融合神经网络两种深度学习模型分别学习LncRNA-疾病对的高级特征,最后融合两个模块的预测分值来预测LncRNA-疾病的关联性。五折交叉验证显示FNNLDA方法的AUC值比SIMCLDA,MFLDA,CNNLDA和LRLSLDA分别提升了12.5%,15.1%,3.4%和5.8%,表明其在LncRNA-疾病预测性能上有较大提升。基于胃癌疾病案例进行研究,结果证明FNNLDA能够有效识别与疾病关联的潜在LncRNA。; 关键词 lncrna-疾病关联预测融合神经网络栈氏自编码器; Keywords lncrna-disease Association prediction Fusion neural network Stacked autoencoder; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于图自动编码器和梯度决策树集成的lncRNA-疾病关联预测方法	李明强李然刘琪杜晶颐李慧慧	《现代电子技术》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于集成回归决策树的lncRNA-疾病关联预测方法	任首朋李劲王静茹岳昆	《计算机科学》 CSCD 北大核心	2022	4	在线阅读下载PDF 职称材料
3	一种流形正则化非负矩阵分解的lncRNA-疾病关系预测方法	董文文林志毅	《小型微型计算机系统》 CSCD 北大核心	2022	1	在线阅读下载PDF 职称材料
4	NELDA:基于网络嵌入的lncRNA-疾病关联关系预测	李维娜樊校楠张绍武	《生物化学与生物物理进展》 SCIE CAS CSCD 北大核心	2022	0	在线阅读下载PDF 职称材料
5	一种lncRNA与疾病关联的多层线性投影预测算法	谢国波韩玉琼林志毅	《小型微型计算机系统》 CSCD 北大核心	2022	0	在线阅读下载PDF 职称材料
6	基于融合神经网络的LncRNA与疾病关联预测方法	李巧君章文杨伟	《计算机科学》 CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料