一种基于图变分自编码的致癌基因预测方法

本发明涉及一种基于图变分自编码的致癌基因预测方法，属于生物信息学领域。该方法基于双路径神经网络框架：主路径使用图注意力网络（GAT）处理原始网络和经变分自编码器（VAE）增强的特征，以捕捉节点间复杂关系；辅助路径通过APPNP算法生成含全局信息的辅助网络和特征，并经GraphSAGE聚合以保留结构信息。模型引入跳跃连接和残差连接以缓解梯度消失，增强特征互补性。最终通过线性层整合双路径信息输出预测。该方法在多个生物网络数据集上验证，显著提高了预测准确性、鲁棒性和对隐藏关系的识别能力，为癌症研究提供可靠工具。