一种基于跨视图对比学习的IncRNA、miRNA与疾病关联推断方法

本发明公开了一种基于跨视图对比学习的IncRNA、miRNA与疾病关联推断方法，属于疾病预测领域，包括以下步骤：构建三层异构图T‑Graph；通过高斯噪声增强节点特征，通过节点特征的随机掩蔽和图结构的边缘丢弃同时处理节点特征与图结构的不同增强机制；通过跨视图对比学习神经网络，结合WGAN‑GP生成的对抗性特征执行自监督学习任务；通过多重损失的加权组合优化模型，从异构图中提取高质量的节点特征嵌入；针对不同的预测任务，构建节点对的嵌入向量，并将嵌入向量输入分类器以确定关联的概率，完成对疾病和生物分子关系的准确预测。融合了属性掩蔽、参数扰动和边删减的技术，创新性地采用梯度补偿机制优化编码器的参数扰动，确保特征增强的高效性与稳定性。