基于多源信息和异构网络的circRNA与疾病关联关系预测

circRNA与疾病的产生和发展有密切的关系，用计算方法预测circRNA与疾病的关系具有重要的意义。该论文基于机器学习对circRNA与疾病关联关系进行预测，主要工作如下：

（1）提出了一种基于circRNA-疾病网络低维的拓扑结构特征与随机森林的模型MSINRF。该模型能整合丰富的异构信息，构建多源信息网络，并从全局的角度捕捉circRNA与疾病的低维表征。

（2）提出一种基于图注意力机制与随机森林的计算模型GATRFCDA。该模型利用图注意力网络能更好的抽象表达出原始数据的特征，且考虑了circRNA和疾病的两种属性特征。

（3）本文提出一种基于随机漫步正则化图注意力机制与随机森林的计算模型RWR_GATRFCDA。该模型中加入随机漫步正则化算法，通过随机跳跃选择图注意力网络嵌入节点的目标，可以有效加强学习网络之间的拓扑结构和节点学习低维特征的质量。