6165cc金沙总站检测中心院讯（通讯员：田圣文）近日，生物信息领域国际重要期刊IEEE/ACM Transactions on Computational Biology and Bioinformatics在线发表我院学术论文（Li-Juan Qiao, Zhen Gao, Cun-Mei Ji, Zhi-Hao Liu, Chun-Hou Zheng and Yu-Tian Wang. Potential circRNA-Disease Association Prediction Using DeepWalk and Nonnegative Matrix Factorization, 2023）。该论文以6165cc金沙总站检测中心为第一完成单位，青年教师乔丽娟为论文第一作者，郑春厚教授和王玉田副教授为论文共同通讯作者。IEEE/ACM Transactions on Computational Biology and Bioinformatics是中科院3区期刊，最新影响因子为4.5。
论文提出了一种基于DeepWalk和非负矩阵分解的新方法用于预测circRNA-疾病的关联。基于已知的circRNA-疾病关联，通过DeepWalk方法计算circRNA和疾病之间的拓扑相似性，从而学习关联网络上的节点特征。并进一步将circRNAs的功能相似性和疾病的语义相似性与它们各自不同尺度的拓扑相似性融合在一起。然后，使用改进的加权K最近邻方法对circRNA-疾病关联网络进行预处理。最后，引入L2,1-范数、双图正则化项和Frobenius范数正则化项到非负矩阵分解模型中，以预测circRNA-疾病的相关性。在circR2Disease、circRNADisease和MNDR上进行了的交叉验证结果表明，所提出的方法能够准确预测潜在的circRNA-疾病关联。
全文链接：https://doi.org/10.1109/TCBB.2023.3264466
该研究得到了国家自然科学基金和山东省自然科学基金的资助支持。
