(資料圖)
早些時候對circRNA-disease相關的數據庫以及方法進行過盤點，雖然預測工具眾多（>67個），然而對用戶非常不友好。
詳情請訪問：circRNA-disease數據庫與計算工具盤點
2023年8月16日，西安交通大學付來義團隊發表在Briefings in Bioinformatics （IF=）的文章【KGETCDA: an efficient representation learning framework based on knowledge graph encoder from transformer for predicting circRNA-disease associations 】打破了這個尷尬的局面。
研究團隊開發了一個用于預測 circRNA-disease關系的深度學習方法 KGETCDA(Knowledge Graph Encoder from Transformer for predicting CircRNA-Disease Associations)。整合了10多個非編碼疾病關系數據庫，構建了circRNA、miRNA、lncRNA與疾病的關系數據集，根據該數據集構建了生物學知識圖；然后構建了Transformer（繼CNN和RNN之后又一個高效的特征提取器）知識提取圖層，精確地捕獲高階的交互信息；最后多層感知器被用來預測circRNA-disease associations(CDAs)。
經過評估，KGETCDA比其他最新的方法性能都要優越。
最后，為了讓大家享受到自己的研究成果，作者還開發了一個用戶友好的網絡平臺HNRBase（網址：/KGETCDA）。下圖展示了網絡平臺的一些功能。
關鍵詞：
