摘要
基于GCN和对比学习的lncRNA–miRNA关联预测系统及方法,属于生物信息技术领域。为了解决现有lncRNA–miRNA关联预测方法存在节点表示能力有限的问题。本发明基于所有lncRNA和miRNA序列分别生成k‑mer计数向量,并对k‑mer序列进一步引入Doc2Vec模型获得序列语义特征,进而基于计数向量和序列语义特征得到联合特征向量;基于lncRNA和miRNA异质图以及联合特征向量得到图中节点的初始表示,然后使用节点级注意力机制进行邻居节点信息聚合,并使用层级注意力机制进行信息聚合,得到lncRNA和miRNA的最终节点特征,进行加权融合得到LMI特征,进而预测得到预测得分。
技术关键词
预测网络模型
节点特征
关联预测方法
注意力机制
语义特征
邻居
预测系统
特征提取模块
序列
多层特征融合
分布式内存
多层感知机
异质
生物信息技术
层级
样本
数据
系统为您推荐了相关专利信息
序列生成方法
代表
多尺度特征融合
计算方法
属性预测模型
音视频交互
音频特征
多模态
多层感知机
全局平均池化
数据推理方法
多模态
智能助理
增量学习算法
剪枝模型
图像文本匹配模型
文本编码器
文本匹配方法
图像编码器
交叉注意力机制