
-
生物通官微
陪你抓住生命科技
跳动的脉搏
HNRM:基于超边邻域的表示方法,用于预测与N6-甲基腺苷相关的调控通路
《BMC Biology》:HNRM: hyperedge neighborhood-based representation for predicting N6-methyladenosine-related regulatory pathways
【字体: 大 中 小 】 时间:2026年04月30日 来源:BMC Biology 4.5
编辑推荐:
摘要背景N6-甲基腺苷(m6A)是最主要的转录后RNA修饰类型,它调控着RNA的剪接、翻译和降解过程。m6A的失调与癌症、代谢性疾病和神经系统疾病有关。尽管越来越多的证据表明m6A在人类病理过程中起着关键作用,但迄今为止还没有任何计算框架能够在统一模型中研究m6A位点、疾病和药物
N6-甲基腺苷(m6A)是最主要的转录后RNA修饰类型,它调控着RNA的剪接、翻译和降解过程。m6A的失调与癌症、代谢性疾病和神经系统疾病有关。尽管越来越多的证据表明m6A在人类病理过程中起着关键作用,但迄今为止还没有任何计算框架能够在统一模型中研究m6A位点、疾病和药物之间的高阶关联。
在这里,我们提出了HNRM这种方法,它是一种基于数据驱动的框架,用于模拟这些实体之间的超边关系。我们将这个问题视为在一个超图上的高阶链接预测任务,并使用基于超边邻域的超图神经网络来学习超边和节点的嵌入表示。
我们在新收集并处理过的m6A数据集以及其他五个领域的数据集上评估了HNRM的性能,证明了其卓越的有效性。消融研究和基因本体富集分析进一步验证了其在识别潜在关联方面的能力。
N6-甲基腺苷(m6A)是最主要的转录后RNA修饰类型,它调控着RNA的剪接、翻译和降解过程。m6A的失调与癌症、代谢性疾病和神经系统疾病有关。尽管越来越多的证据表明m6A在人类病理过程中起着关键作用,但迄今为止还没有任何计算框架能够在统一模型中研究m6A位点、疾病和药物之间的高阶关联。
在这里,我们提出了HNRM这种方法,它是一种基于数据驱动的框架,用于模拟这些实体之间的超边关系。我们将这个问题视为在一个超图上的高阶链接预测任务,并使用基于超边邻域的超图神经网络来学习超边和节点的嵌入表示。
我们在新收集并处理过的m6A数据集以及其他五个领域的数据集上评估了HNRM的性能,证明了其卓越的有效性。消融研究和基因本体富集分析进一步验证了其在识别潜在关联方面的能力。
生物通微信公众号