一种基于图神经网络的非编码RNA与疾病关联预测方法

本发明公开了一种基于图神经网络的非编码RNA与疾病关联预测方法，属于生物信息领域中的生物分子关联预测技术。本发明突破了以往方法的单任务的局限性，提出了一种基于任务迁移的新型多任务学习框架。本发明能够有效利用已知lncRNA、miRNA与疾病之间的复杂关系，推断潜在的LDA、MDA和LMI。构建了多种图结构，包括二部图、特征结构图和元路径图。多图结构的协同作用显著丰富了节点的上下文信息，有效提升了模型的预测准确性。引入了成对属性学习，用于捕捉lncRNA、miRNA与疾病之间的直接关系。这种方法不仅提升了预测性能，还有效减少了过拟合，确保了模型的稳健泛化能力。