利用深度自动编码器对 miRNA–disease 进行关联预测

文章标题:AEMDA: inferring miRNA–disease associations based on deep autoencoder

今天组会研究生讲到了这篇文章,针对疾病和 miRNA 分别构造了一个相似性的向量,然后把任何这两个向量也就是 $d_i$ 和 $m_j$ 拼接起来,用一个自动编码器进行恢复,很有意思的是他们是利用编码器的 reconstruction error 来衡量 $d_i$ 和 $m_j$ 的相关性,而且可以看出这个方法不需要负样本,而且整个网络属于无监督学习,居然能取得很好的实验结果并最终发表在 Briefings in Bioinformatics 上了。

image-20211118211542991

这个方法可以改进的地方在于:(a) 和 (b) 的步骤仍然不需要改变,(c) 无监督改成有监督。这篇文章中说到的无负样本其实可以构造负样本而且也不难构造。另外(a) 和 (b) 的处理也值得学习和借鉴,整个处理有点对比学习的意味在里面。