BioEmbedS

动机器官间/组织间交流对于包括人类在内的多细胞生物至关重要，绘制组织间相互作用的图谱可以促进系统级的全身建模工作。大量的生物医学文献已经促进了绘制组织内或组织不可知相互作用的研究，但是仅缺少推断组织间关系 (例如激素和基因之间) 的文献挖掘研究。结果我们提出了第一项研究，从生物医学文献中预测了介导人体组织间信号传导的激素-基因关联。我们的生物嵌入 * 模型使用基于神经网络的生物医学单词嵌入和支持向量机分类器来预测激素-基因对是否相关，以及相关基因是否参与激素的产生或响应。模型训练依赖于我们统一的数据集HGv1 (激素-基因版本1)，即基因和内分泌激素之间的真实关联，我们在嵌入的空间中进行了编译和仔细平衡，以处理数据差异，例如研究不佳的激素之间的差异。我们的生物嵌入模型以70.4% 的准确性概括了组织-组织信号传导的已知基因介质; 预测人类中新的组织间通信基因，这些基因富含激素相关疾病; 并很好地推广到小鼠，从而也有望将其扩展到其他多细胞生物。可用性免费在https:// cross-tissue-signaling.herokuapp.com是我们的模型预测和数据集; https://github.com/BIRDSgroup/BioEmbedS有所有相关的代码。补充信息可在生物信息学在线获得。