一种用于识别环状RNA-疾病关联的预测方法

本发明公开了一种利用多源信息预测环状RNA‑疾病潜在关联的方法。该方法基于多视图图卷积神经网络（GCN）与有偏随机游走算法node2vec构建深度学习框架。具体地，该方法首先整合疾病语义信息、环状RNA功能信息以及多种相似度指标，构建多视角的疾病与环状RNA相似度图。随后，采用多通道GCN模块提取局部图结构中的节点嵌入，并通过PCA算法降维提取共性特征。接着，该方法构建了融合相似度与已知关联关系的异构图，利用node2vec进行有偏随机游走，实现全局特征嵌入。最终，通过双线性解码器联合编码信息，输出环状RNA与疾病间的潜在关联评分。该方法有效融合局部结构信息与全局拓扑信息，显著提高了预测性能，适用于识别潜在的circRNA与疾病之间的关联。该方法在四个公开数据集上的实验结果显著优于现有技术，具备高准确率、强鲁棒性及良好的泛化能力，适用于疾病机制研究与靶点筛选等生命医学领域。