【摘 要】
：
microRNA（miRNA）是一种由约18-25个核苷酸组成的非编码RNA,参与细胞代谢、增殖、凋亡和发展等细胞生命过程,参与许多人类疾病的发生发展与治疗,成为多种细胞功能中的关键调控因子。然而已经发现的miRNA-疾病关联数量很少,限制了miRNA在疾病治疗领域的发展,研究miRNA-疾病关联在人类疾病研究与治疗领域具有重要的理论价值与应用意义。miRNA-疾病关联预测的计算方法主要包括网络方
论文部分内容阅读
microRNA（miRNA）是一种由约18-25个核苷酸组成的非编码RNA,参与细胞代谢、增殖、凋亡和发展等细胞生命过程,参与许多人类疾病的发生发展与治疗,成为多种细胞功能中的关键调控因子。然而已经发现的miRNA-疾病关联数量很少,限制了miRNA在疾病治疗领域的发展,研究miRNA-疾病关联在人类疾病研究与治疗领域具有重要的理论价值与应用意义。miRNA-疾病关联预测的计算方法主要包括网络方法、机器学习方法与深度学习方法。网络方法采用多种生物分子信息构建miRNA与疾病相似性网络,丰富了影响miRNA-疾病关联预测的特征信息,机器学习方法通过特征选择算法来选取特征,提升了miRNA-疾病关联的预测性能。然而,网络方法需要收集大量生物数据,传统机器学习方法无法获取miRNA与疾病数据中的复杂抽象特征。深度学习方法通过逐层抽象能够提取数据的深层次特征,但现有的深度学习方法仅考虑了miRNA与疾病相似性网络数据,忽略了相似性网络的拓扑结构信息,且没有考虑优化器的选择一定程度影响着模型的预测性能。针对现有miRNA-疾病关联研究方法中存在的不足,构建了基于重启随机游走与堆叠自动编码器的miRNA-疾病关联预测模型,本文的主要研究内容如下:（1）针对现有方法预测miRNA-疾病关联时未能考虑相似性网络的拓扑结构特征的问题,本文提出了基于网络拓扑结构的miRNA-疾病关联预测模型SAEMDA。本文模型SAEMDA首先在每个相似性网络上采用重启随机游走方法与正点互信息方法获取miRNA与疾病相似性网络的拓扑结构信息;其次将拓扑结构相似性矩阵作为堆叠自动编码器的输入,获取miRNA与疾病的稠密低维特征;最后采用深度神经网络预测miRNA-疾病关联。实验结果表明,miRNA与疾病相似性网络中的拓扑结构信息有助于miRNA-疾病关联预测。（2）由于模型SAEMDA在优化深度神经网络时存在优化方向不准确的问题,本文提出了基于Radam优化的miRNA-疾病关联预测模型R-SAEMDA。本文模型RSAEMDA引入Radam优化器,在深度神经网络训练过程中对损失函数进行优化。Radam优化器采用了方差校正方式,缩小了模型训练初期参数更新量的方差,缓解了深度神经网络在训练初期优化方向不准确的问题。实验结果表明,采用Radam优化器相较于采用其它优化器表现出更好的性能,且采用Radam优化器之后,模型的整体预测性能得到了提升。综上所述,本文考虑了miRNA与疾病相似性网络的拓扑结构信息,采用堆叠自动编码器提取miRNA与疾病关联的低维特征,引入Radam优化器优化深度神经网络训练过程,对miRNA-疾病关联进行预测。与现有研究相比,R-SAEMDA模型具有更好的预测性能,为探索miRNA在疾病治疗领域的作用提供了辅助信息。
其他文献
随着经济的快速发展和科技的不断进步,移动机器人在生产生活中扮演着越来越重要的角色,而移动机器人的位姿估计是实现机器人应用必须要解决的关键问题。本文着重研究非高斯噪声下的移动机器人的位姿估计算法,以提高移动机器人位姿估计精度。在同时定位与地图构建（Simultaneous Localization And Mapping,SLAM）框架下,研究内容围绕影响机器人位姿估计精度的后端优化算法和前端点集配
“十四五”规划纲要指出:加快数字化发展,打造数字经济新优势,建设数字中国。数字化必将深刻引领社会变革,数字化落地是当代科研工作者将理论与现实结合的重大使命。全面数字化的实现需要强大的算力中枢和优良的算法系统。图像检索领域的研究是数字化社会的重要内容。如何快速且准确的在海量图像中检索出所需图像是一项具有挑战性的任务,本文在传统图像检索的基础上加以改进,对其经典算法进行深入改良,结合深度学习技术在提取
人机交互是现代计算机技术不断智能化和自动化发展的一个趋势。人机交互是人体通过自己的手势、行为、语音和表情等与计算机进行交流,为人类操控计算机提供了多样且智能的方式。随着现代计算机视觉技术的兴起,基于视觉的人机交互方式成为发展的主流。其中,静态手势识别和动态人体行为识别等技术是新兴的视觉人机交互的重要方式,可以在设备解锁、机器人运动操控等方面提供出色的表现。而且基于卷积神经网络的图像处理技术表现优异
近几年，我国建筑业的规模越来越大，数量越来越多，建筑业也在激烈的市场竞争中不断创新，建筑施工中暖通工程的出现极大地提升了人们生活的舒适度。文章针对建筑工程中的暖通工程在设计方面存在的问题进行简要分析并提出相关解决方法，可供相关人员开展同类工程项目设计时参考。
抓取和放置工件是工业环境下机器人系统的主要任务之一,视觉控制是机器人系统的重要控制手段,采用图像技术对工件进行识别在现代化智能生产线上具有重要的意义。本论文主要以合页为例进行按需搬移任务,可用于机器人打磨前代替人工进行工件摆放,有助于提高机器人打磨生产线的自动化程度和生产效率。本论文主要对散乱堆叠工件的按需搬移过程进行研究,主要研究内容如下:（1）针对目前工业现场弱纹理堆叠工件识别困难的问题,提出
《简·爱》（Jane Eyre）与《呼啸山庄》（Wuthering Heights）作为世界文坛上经典的两部现实主义代表作品，是由英国同胞姐妹作家夏洛蒂·勃朗特（Charlotte Bronte）和艾米莉·勃朗特（Emily Bronte）创作的，虽然说她们所处的社会环境背景与家庭生活背景都一样，但是在这两部文学作品创作过程中却有着明显的不同之处。前者《简·爱》在叙事策略上采用的是单一叙事者
汽车保有量的迅猛增长造成城市交通供需关系的失衡,由此导致的交通拥堵范围日益扩大,已逐步发展成为区域性的拥堵问题。实践证明,新建交通基础设施或实行政策调控等措施都无法真正从根本上解决区域交通拥堵,因此寻求更加合理有效的交通信号控制策略成为研究区域交通拥堵的必然趋势。论文以“基于迭代学习控制的城市交通子区边界控制方法研究”为主题,首先对大规模路网进行了子区划分,并针对实际交通情况研究了在考虑随机扰动以
作为一种急性脑血管疾病,脑卒中已经成为我国第一大致死原因,早期防治和及时诊断对于脑卒中的预防、诊治和预后康复有着重要作用。近年来随着人工智能的不断发展,机器学习方法辅助医疗诊断可以很大程度上减少医生的诊断时间并提高医疗资源的利用率,因此引起了越来越多的关注。脑卒中患者的脑电信号（Electroencephalogram,EEG）和经颅多普勒数据（Transcranial Doppler,TCD）的
随着机器学习与计算智能的快速发展,面向海量高维数据的神经网络研究成果不断涌现。2018年,华南理工大学陈俊龙教授团队提出一种宽度学习系统（Broad Learning System,BLS）的浅层网络结构。输入BLS的数据经过特征映射与稀疏字典的有效表示生成了映射节点,映射节点再映射生成增强节点。映射节点与增强节点共同组成的宽度平层,经岭回归广义逆的最优连接矩阵共同生成输出。BLS有简捷的网络结构
近几年,工业物联网技术的兴起使得工控系统得到了进一步的发展。而数控机床作为工控系统中极为重要的设备之一,在车辆制造、航空航天等行业的生产中起到了不可或缺的作用,数控机床的工作是完全由数控（Numerical Control,NC）代码来进行控制的,NC代码的异常就会造成数控系统的异常。要实现对数控系统的保护,需要保证NC代码的正确。NC代码具有两个显著的特征:首先,NC代码由于数控机床种类众多而出