文件名称：Disease_gene_prioritization_GCN:PGCN
文件大小：37.16MB
文件格式：ZIP
更新时间：2024-05-22 13:21:43
disease-gene-association graph-convolutional-networks prioritization Python
PGCN：按疾病划分疾病基因优先级，并通过GCN嵌入基因 疾病基因优先排序是迈向疾病分子诊断和治疗的基本步骤。 由于对基因，疾病以及它们之间的关联的了解非常有限，但仍然存在嘈杂的知识，因此这个问题极具挑战性。 尽管开发了用于疾病基因优先级计算的方法，但是现有方法的性能受到手工制作的功能，网络拓扑或数据融合的预定义规则的限制。 在这里，我们通过系统地嵌入由基因和疾病组成的异构网络及其各自的特征，提出了一种基于图卷积网络的疾病基因优先排序方法PGCN。 嵌入学习模型和关联预测模型以端到端的方式一起训练。 我们将PGCN与在线孟德尔在线遗传（OMIM）数据集上的五种最新方法进行了比较，它们通过挑战它们来寻找缺失的关联，并发现新的基因和/或疾病中未发现的疾病的关联。训练。 结果表明，PGCN与现有方法相比有显着改进。 我们进一步证明，我们的嵌入具有生物学意义，并且可以捕获基因的功能基团。 更多细
【文件预览】：
Disease_gene_prioritization_GCN-master
----main_prioritization.py(11KB)
----figures()
--------gcn.png(1.43MB)
--------embedding.png(1.83MB)
--------link_prediction.png(262KB)
----model()
--------model.ckpt.index(2KB)
--------model.ckpt.data-00000-of-00001(75.01MB)
--------model.ckpt.meta(1.18MB)
----requirements.txt(1KB)
----decagon()
--------deep()
--------__init__.py(0B)
--------utility()
--------__pycache__()
----README.md(5KB)
----data_prioritization()
--------clinicalfeatures_tfidf.mat(10.27MB)
--------README.md(975B)