热点事件观察中

PTGCDA：预测circRNA-疾病关联的新框架

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

PTGCDA作者团队提出并发布了一个整合序列表示学习、图表示学习、Transformer与正样本-无标签（PU）学习的circRNA-疾病关联预测框架PTGCDA。该框架用k-mer嵌入、Word2Vec和TextCNN提取circRNA序列特征，由GraphSAGE聚合异质网络中circRNA与疾病的邻域信息，再用Transformer多头注意力捕捉二者表示间的相互作用；两步PU学习策略筛选可靠负样本以降低训练标签噪声。作者称，在四个基准数据集和一个整合数据集上的五折交叉验证中，PTGCDA优于现有方法，在Dataset4上AUROC达0.9202。代码已在GitHub免费公开。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月2日

20:20
Bioinformatics Advances
PTGCDA：结合 PU 学习、Transformer 与 GraphSAGE 的 circRNA-疾病关联预测框架
PTGCDA 是一个整合序列表示学习、图表示学习、Transformer 与正样本-无标签（PU）学习的 circRNA-疾病关联预测计算框架。该框架用 k-mer 嵌入、Word2Vec 和 TextCNN 提取 circRNA 序列特征，由 GraphSAGE 聚合异质网络中 circRNA 与疾病的邻域信息学习节点表示，再用 Transformer 多头注意力捕捉二者表示间的相互作用；两步 PU 学习策略筛选可靠负样本以降低训练标签噪声。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。