Revealing new associations between lncRNAs and diseases through cross attention mechanism and multiple level feature fusion
8.0
来源：
Nature
关键字：
neural coding
发布时间：
2025-11-14 23:42
摘要：
LDA-CAMF是一种新提出的深度学习模型，旨在通过交叉注意机制和多层特征融合来识别长非编码RNA（lncRNA）与疾病之间的关联。该模型在多个评估指标上超越了现有的六种基线方法，尤其在处理冷启动问题时表现出色。通过对前列腺癌和糖尿病的案例研究，LDA-CAMF成功发现了新的lncRNA关联，显示出其在生物标志物识别和复杂疾病机制研究中的潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+重点关注领域符合度
business_impact
0.5分+商业影响力
scientific_rigor
1.5分+数据支撑的科学性
timeliness_innovation
1.5分+时效性与创新性
investment_perspective
2.5分+BOCG投资视角
market_value_relevance
1.0分+市场价值相关性
team_institution_background
0.5分+团队与机构背景
technical_barrier_competition
0.5分+技术壁垒与竞争格局
关键证据
LDA-CAMF在lncRNADisease和MNDR数据集上表现优异，AUC和AUPR均高于其他六种基线方法。
通过交叉注意机制和多层特征融合，LDA-CAMF能够有效捕捉lncRNA与疾病之间的复杂关系。
案例研究显示，LDA-CAMF成功识别了与前列腺癌和糖尿病相关的新lncRNA。
真实性检查
否
AI评分总结
LDA-CAMF是一种新提出的深度学习模型，旨在通过交叉注意机制和多层特征融合来识别长非编码RNA（lncRNA）与疾病之间的关联。该模型在多个评估指标上超越了现有的六种基线方法，尤其在处理冷启动问题时表现出色。通过对前列腺癌和糖尿病的案例研究，LDA-CAMF成功发现了新的lncRNA关联，显示出其在生物标志物识别和复杂疾病机制研究中的潜力。