彭利红教授课题组《Interdisciplinary Sciences: Computational Life Sciences》：GEnDDn：基于双神经网络架构和深度神经网络的lncRNA-疾病关联识别框架

长链非编码RNA (Long non-coding RNA, lncRNAs)是一类重要的非编码RNA。lncRNA与许多关键的生物过程密切相关，包括基因调控、蛋白质翻译、组织发育和肿瘤发生。更重要的是，lncRNAs与多种疾病密切相关，如乳腺癌、结肠癌、非小细胞肺癌等。因此，预测新的lncRNA -疾病关联(LDAs)能够使我们能够更好地了解疾病机制，并进一步为癌症靶向治疗和抗癌药物设计提供有新的线索复杂疾病的诊断和治疗至关重要。由于传统生物医学实验筛选LDA耗时、费力且成本高，计算技术作为实验技术的有效补充，逐渐被用于寻找新的LDA。

该论文介绍了用于发现潜在LDA的计算模型GEnDDn。

作者提出了一个基于深度学习的LDA预测框架GEnDDn。GEnDDn主要包括两个步骤：首先，分别结合相似性计算、非负矩阵分解和图注意自编码器提取lncRNA和疾病的特征。通过对提取的特征进行拼接运算，将每个lncRNA-疾病对(LDP)表示为一个向量。随后，采用双网神经网络和深度神经网络相结合的方法对未知LDP进行分类。通过分别对基于lncRNA、疾病、LDPs、独立lncRNAs和独立疾病的5折交叉验证实验，我们发现GEnDDn在lncRNADisease和MNDR数据库上分别优于4种代表性的LDA预测方法(SDLDA、LDNFSGB、IPCARF、LDASR)。消融实验进一步验证了GEnDDn良好的LDA预测性能。此外，我们利用GEnDDn发现肺癌和乳腺癌的潜在lncRNA。结果表明，IFNG-AS1与肺癌以及HIF1A-AS1与乳腺癌之间可能存在紧密的联系。结果需要进一步的生物医学实验验证。

湖南工业大学生命科学与化学学院彭利红、湖南工业大学生命科学与化学学院任梦楠、湖南工业大学计算机科学学院黄亮亮为本论文共同第一作者；湖南工学院计算机科学与工程学院陈敏为论文的通讯作者；该工作得到了国家自然科学基金委、湖南省自然科学基金项目等方面的资助。

原文链接：https://link.springer.com/article/10.1007/s12539-024-00619-w