首页 > 科学研究 > 正文

生物信息团队在IEEE/ACM Transactions on Computational Biology and Bioinformatics发表学术论文

发布时间:2020-09-30来源:伟德国际1946源自英国 浏览次数:

伟德国际1946源自英国院讯(通讯员:高震)近日,IEEEACM联合出版期刊IEEE/ACM Transactions on Computational Biology and Bioinformatics在线发表了我院学术论文Zhen Gao, Yu-Tian Wang, Qing-Wen Wu, Lei Li, Jian-Cheng Ni, Chun-Hou Zheng. A New Method Based on Matrix Completion and Non-Negative Matrix Factorization for Predicting Disease-Associated miRNAs, IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2020, Early Access。该论文以源自英国始于1946伟德国际1946源自英国为第一完成单位,2018级研究生高震为论文第一作者,倪建成教授和郑春厚特聘教授为论文共同通讯作者。IEEE/ACM Transactions on Computational Biology and Bioinformatics生物信息学领域的重要期刊,最新影响因子3.016,中科院分区3区。

为了可以降低miRNA和疾病相似性网络的稀疏性,MCNMF采用改进后的矩阵填充算法进行预处理,对miRNA和疾病相似性矩阵的低秩矩阵添加核范数以恢复缺失值,对噪声矩阵添加L1,2范数以尽量去除噪音,继而采用ALM算法进行优化求解,从而得到低秩恢复的miRNA和疾病相似性矩阵,从而降低了相似性矩阵的稀疏性。继而,采用双L1,2正则化非负矩阵分解模型完成疾病相关miRNA的识别。五折交叉验证、留一验证以及案例研究的实验结果表明,该方法可以有效提升准确率。


全文链接:https://doi.org/10.1109/TCBB.2020.3027444

该研究得到了国家自然科学基金的资助支持。

关闭 打印责任编辑:pgao

友情链接