研究团队提出SHiMDA框架预测miRNA-疾病关联
热点事件持续更新
研究团队提出SHiMDA框架预测miRNA-疾病关联
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究团队提出名为SHiMDA的图学习框架，用于在上下文异质生物医学图上预测miRNA与疾病的关联。该框架为直接关联和具有生物学意义的元路径分别构建独立视图，并对元路径实例做分段消息传递，以显式编码路径内部结构，而非把每条路径压缩成粗粒度的源–目标捷径；同时引入置信度加权排序损失和过平滑正则，以降低图扰动下的监督偏差与表示同质化。 据论文称，在基准数据集上的实验显示，SHiMDA在基础与上下文设置下均取得较强预测性能，并在对抗性边扰动和特征扰动下持续优于代表性state-of-the-art基线。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 03:30
SHiMDA：面向 miRNA–疾病关联预测的多图学习元路径建模框架报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- Briefings in BioinformaticsSHiMDA：面向 miRNA–疾病关联预测的多图学习元路径建模框架
SHiMDA 是一个在上下文异质生物医学图上做 miRNA–疾病关联预测的图学习框架，通过为直接关联和具有生物学意义的元路径构建独立视图，并对元路径实例做分段消息传递，显式编码其内部结构而非把每条路径压缩成粗粒度的源–目标捷径。该框架还引入置信度加权排序损失和过平滑正则，以降低图扰动下的监督偏差与表示同质化。在基准数据集上的实验显示，SHiMDA 在基础与上下文设置下均取得较强预测性能，并在对抗性边扰动和特征扰动下持续优于代表性 state-of-the-art 基线。
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。