文件名称：matlabauc代码-RSCMDA:RSCMDA的代码实现
文件大小：1.11MB
文件格式：ZIP
更新时间：2024-06-13 03:54:28
系统开源
Matlab的耳语RSCMDA RSCMDA：基于稳健的相似性约束学习方法预测潜在的miRNA-疾病关联 ＃1。方法描述：随着生物技术和计算机技术的飞速发展，越来越多的研究表明，人体多种疾病的发生与miRNA的功能障碍密切相关，它们之间的关系已成为一个新的研究热点。 探索与疾病相关的miRNA信息为了解疾病的病因和发病机理提供了新的视角。 在这项研究中，我们提出了一种基于相似性约束学习（RSCMDA）的新方法来预测miRNA与疾病之间的关联。 考虑到当前生物学数据集中的噪声和信息不完整的问题，我们设计了一个新的框架RSCMDA，该框架可以基于现有生物学信息学习新的疾病相似性网络和miRNA相似性网络，然后通过使用更新更新的预测的miRNA-疾病关联鲁棒相似性约束学习方法。 因此，在RSCMDA的全局和局部交叉验证中获得的AUC分数分别为0.9465和0.8494，优于其他方法。 此外，通过对肺肿瘤的案例研究进一步证实了RSCMDA的预测性能，因为通过RSCMDA方法推断出的前50个miRNA中有94％是从现有的生物学数据库或研究结果中确认的。 所有结果表明，RSCMDA是可靠有效的框架
【文件预览】：
RSCMDA-main
----E_FCV.m(976B)
----E_LODOCV1.m(2KB)
----DATASET()
--------x.mat(10KB)
--------ohmdd_int_diseases.txt(32KB)
--------SM.mat(631KB)
--------ohmdd_int_mirnas.txt(21KB)
--------mfsname.txt(6KB)
--------HMDD.mat(6KB)
--------SD.mat(464KB)
--------knownre.mat(8KB)
--------dssname.txt(8KB)
----JOB()
--------EProjSimplex_new.m(631B)
--------Job.m(2KB)
--------readTxt2Array.m(435B)
--------L2_distance_1.m(598B)
----E__PREDICT.m(1KB)
----README.md(2KB)
----E_FCV_AUC.m(675B)
----E_OHMDD2.m(885B)