SDLDA: lncRNA-disease association prediction based on singular value decomposition and deep learning

•A novel hybrid computational framework for lncRNA-disease association prediction.•Improved method that combines matrix factorization and deep learning techniques.•Show good results in term of AUC and AUPR compared with the other methods. In recent years, accumulating studies have shown that long no...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Methods (San Diego, Calif.) Ročník 179; s. 73 - 80
Hlavní autoři:	Zeng, Min, Lu, Chengqian, Zhang, Fuhao, Li, Yiming, Wu, Fang-Xiang, Li, Yaohang, Li, Min
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	United States Elsevier Inc 01.07.2020
Témata:	case studies colorectal neoplasms computational methodology Deep learning human diseases kidney neoplasms Linear feature lncRNA-disease association prediction non-coding RNA Non-linear feature prediction Singular value decomposition stomach neoplasms Deep learning Linear feature lncRNA-disease association prediction Non-linear feature Singular value decomposition
ISSN:	1046-2023, 1095-9130, 1095-9130
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!