早些時候?qū)ircRNA-disease相關(guān)的數(shù)據(jù)庫以及方法進行過盤點，雖然預(yù)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(shù)據(jù)庫與計算工具盤點

2023年8月16日，西安交通大學(xué)付來義團隊發(fā)表在 Briefings in Bioinformatics （IF=9.5）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(fā)了一個用于預(yù)測 circRNA-disease關(guān)系的深度學(xué)習(xí)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(guān)系數(shù)據(jù)庫，構(gòu)建了circRNA、miRNA、lncRNA與疾病的關(guān)系數(shù)據(jù)集，根據(jù)該數(shù)據(jù)集構(gòu)建了生物學(xué)知識圖；然后構(gòu)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(yù)測circRNA-disease associations(CDAs)。

經(jīng)過評估，KGETCDA比其他最新的方法性能都要優(yōu)越。

最后，為了讓大家享受到自己的研究成果，作者還開發(fā)了一個用戶友好的網(wǎng)絡(luò)平臺HNRBase（網(wǎng)址：http://lab-fly.site/KGETCDA）。下圖展示了網(wǎng)絡(luò)平臺的一些功能。