摘要
本发明适用于lncRNA与疾病关联预测领域,具体提供了一种基于KAN网络的lncRNA‑疾病关联预测方法,包括以下步骤:融合lncRNA‑disease关联网络信息、lncRNA和疾病的多种相似性信息构建综合的异构网络;构建基于多头注意力机制的Transformer特征提取器,用于捕获来自lncRNA和disease节点的全局序列化特征;构建基于异构图网络的GraphSAGE特征提取器,用于捕获lncRNA和disease节点的拓扑结构特征;融合全局序列化特征和拓扑结构特征得到综合的lncRNA‑disease关联对特征信息;构建一个用于预测lncRNA和疾病之间关联分数的KAN网络。该方法结合Transformer提取全局序列特征、GraphSAGE挖掘异构网络拓扑信息,并通过KAN网络建模非线性关系,充分挖掘了lncRNA和疾病的多层次信息,提高了lncRNA和疾病之间关联预测的精准性。
技术关键词
疾病关联预测方法
拓扑结构特征
序列化特征
特征提取器
融合全局
多头注意力机制
异构网络拓扑
序列比对算法
节点
非线性映射关系
线性变换矩阵
语义
代表
有向无环图
系统为您推荐了相关专利信息
优化管理系统
策略
图谱
数据采集模块
协同过滤算法
发动机轴承
迁移学习神经网络
故障诊断方法
故障诊断模型
特征提取器
融合特征
跨尺度特征融合
多尺度特征融合
注意力机制
检测头
高频特征
识别方法
可见光图像
特征提取器
过滤模块
医学影像特征
医学影像分割方法
自然语言
跨模态学习
自然语义