---
title: Multi-view Multichannel Attention Graph Convolutional Network for miRNA–disease association prediction
date: 2020-06-13 19:21:09
updated: 2021-02-03 19:30:53
tags:
categories:
keywords:
description:
top_img:
comments:
cover:
toc:
toc_number:
toc_style_simple:
copyright:
copyright_author:
copyright_author_href:
copyright_url:
copyright_info:
katex: true
highlight_shrink:
aside:
---

用于miRNA-疾病关联预测的多视角多通道注意图卷积网络 

Xinru Tang, Jiawei Luo, Cong Shen and Zihan Lai 
Corresponding author: Jiawei Luo, College of Computer Science and Electronic Engineering, Hunan University, Changsha 410083, China.
E-mail: luojiawei@hnu.edu.cn

## 摘要
动机：近年来，越来越多的研究证明，微小RNA（miRNAs）在人类复杂疾病的发展中起着重要作用。发现miRNA与疾病之间的关联已成为发现和治疗疾病的重要组成部分。由于通过传统的实验方法发现关联既复杂又耗时，人们提出了许多计算方法来识别潜在的关联。然而，利用多源数据准确确定miRNA与疾病之间的潜在关联仍然存在挑战。
结果：在这项研究中，我们开发了一个多视角多通道注意图卷积网络（MMGCN）来预测潜在的miRNA与疾病的关联。与简单的多源信息集成不同，MMGCN使用GCN编码器分别在不同的相似性视图中获取miRNA和疾病的特征。此外，我们的MMGCN可以利用多通道注意，自适应地学习不同特征的重要性，从而增强用于关联预测的学习潜在表示。在两个数据集上的实证结果表明，与九种最先进的方法相比，MMGCN模型在大多数指标上都能获得更好的性能。此外，我们还证明了多通道注意机制的有效性以及多源数据在miRNA和疾病关联预测中的有效性。案例研究也表明了该方法发现新关联的能力。

关键词：miRNA——疾病关联；多视图；图卷积网络；深度学习