首页> 美国卫生研究院文献>BMC Bioinformatics >Predicting MiRNA-disease associations by multiple meta-paths fusion graph embedding model
【2h】

Predicting MiRNA-disease associations by multiple meta-paths fusion graph embedding model

机译:多个元路径融合图嵌入模型预测miRNA疾病关联

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务,本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文,但由于OA文献来源多样且变更频繁,仍可能出现获取不到、文献不完整或与标题不符等情况,如果获取不到我们将提供退款服务。请知悉。

摘要

Performance comparisons of M2GMDA, IMCMDA, ICFMDA, RLSMDA, WBSMDA, and KATZBNRA in global LOOCV. As we can see M2GMDA achieved AUC of 0.9323, which was higher than the other five methods
机译:M2GMDA,IMCMDA,ICFMDA,RLSMDA,WBSMDA和Katzbnra在全球LoooCV中的性能比较。我们可以看到M2GMDA达到0.9323的AUC,其高于其他五种方法

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号