小分子核糖核酸(简称为miRNA)是一种由内源性基因编码、长度为22～24个核苷酸的非编码单链RNA分子,它已经被证明能够通过影响转录后基因的表达来影响细胞生长和分化、新陈代谢和免疫反应等生理过Fulvestrant临床试验程。也有研究表明miRNA影响与人类疾病相关的各种生物过程,预测潜在的miRNA-疾病关联有利于研究人类疾病,如疾病预防、疾病诊断和药物开发等。传统生物学在预测miRNA-疾病关联上虽然也取得了较好的效果,但存在成本高、效率低等问题。随着生物信息学领域的发展,很多有效的计算模型被提出用于预测miRNA-疾病的关联,但仍然存在一些问题。第一:很多方法基于miRNA和疾病的相似性网络以及它们的已知关联网络进行关联预测,忽略了miRNA、疾病和基因之间的复杂CP-456773体内实验剂量关系,基因是连接miRNA和疾病的重要因子,基因功能障碍也会引起疾病。第二:一些基于异构信息网络的计算方法通过手动定义元路径预测miRNA-疾病关联,这依赖于某些特定的领域知识且具有主观性。针对现有研究方法中存在的一些问题,本文使用具有miRNA-疾病-基因三种节点以及它们之间三种关联关系构成的异构信息网络、miRNA和疾病的生物特征,提出了两种计算模型用于miRNA-疾病关联预测,主要研究内容如下:(1)提出一种基于异构信息网络多通道元路径图学习的miRNA-疾病关联预测方法HMM-MDA。通过为异构信息网络中的每个关系分配一个注意力权重,对不同关系间的多跳连接进行评分,最终构建了一个新的Chronic hepatitis可训练元路径图。本文还采用了多通道机制生成多个元路径图。在生成的元路径图上部署一个简化图卷积将miRNA和疾病的生物特征与从元路径图获取的嵌入特征融合,获得多通道嵌入特征。最后融合所有通道的特征,通过矩阵补全预测miRNA-疾病关联。它通过可学习的注意力机制自动提取有用的元路径,而不是基于预定义的领域知识。(2)提出一种基于异构信息网络生成对抗学习的miRNA-疾病关联预测方法HGAMDA。使用一个生成对抗学习的网络嵌入方法,通过关系感知生成器学习真实节点分布,从一个连续分布中采样潜在节点,关系感知鉴别器可以判断一个节点对的真假。通过生成器和鉴别器的迭代训练可以从异构信息网络中学习节点的嵌入特征,它不依赖于元路径。最后把miRNA和疾病的生物特征与节点的嵌入特征融合,获得最终特征表示,通过随机森林分类器预测miRNA-疾病的潜在关联。本文基于五折交叉验证方法评估模型的性能,实验结果表明HM…