摘要
背景：微小RNA（miRNAs）参与调控生物学过程，并与人类疾病相关。计算预测方法可以优先筛选候选关联以供实验验证，但许多现有方法侧重于非线性表示，可能未能充分利用互补的线性信息以及miRNA与疾病特征之间的相互作用。本研究旨在整合这些互补表示，用于miRNA-疾病关联预测。方法：我们开发了基于奇异值分解和图自编码器的miRNA-疾病关联预测方法（SGMDA）。奇异值分解从关联矩阵中提取线性表示，而图自编码器从整合的miRNA和疾病相似性图中学习非线性表示。对比学习对齐两种表示空间，高速公路网络建模融合后的miRNA和疾病特征之间的相互作用。随机森林分类器生成关联评分。评估包括配对五折交叉验证、全局留一法交叉验证、基于miRNA和基于疾病的交叉验证、消融实验，以及肺癌和前列腺肿瘤的病例研究。结果：所报告的比较显示，在各评估设置中均展现出具有竞争力的预测性能，其中基于实体的交叉验证性能低于配对交叉验证。消融实验支持了线性和非线性特征的互补贡献、对比对齐以及基于高速公路的特征交互的有效性。许多高排名的病例研究候选关联得到了至少一个外部数据库的支持。使用不同版本HMDD数据库的时间验证为优先筛选后续记录的关联提供了额外的回顾性证据。结论：将线性和非线性表示与对比对齐及特征交互建模相结合，为优先筛选潜在的miRNA-疾病关联提供了有用的框架。数据库支持并不能确立生物学因果关系，也不构成严格的独立验证，预测的关联需要进一步的实验验证。
