双图

双图解式融合网络，用于预测与序列学习的潜在微生物 - 疾病关联

最近的研究表明，微生物对于维持人类健康至关重要。营养不良或这些微生物群落中的失衡与多种人类疾病密切相关。因此，了解微生物对疾病的影响至关重要。Dugel模型利用图形卷积神经网络（GCN）和图形注意网络（GAT）的优势，确保捕获微生物 - 疾病关联网络中的本地和全局关系。长短记忆网络（LSTM）的集成进一步增强了模型理解特征表示中的顺序依赖性的能力。这种全面的方法使Dugel能够在预测潜在的微生物疾病关联方面达到很高的准确性，从而使其成为生物医学研究和发现新的治疗靶标的有价值的工具。通过结合基于图形和基于序列的学习技术，Dugel解决了现有方法的局限性，并为预测微生物 - 疾病关联提供了强大的框架。为了评估Dugel的性能，我们基于两个数据库（HMDAD和tobiome）进行了全面的比较实验和案例研究，以证明Dugel可以有效地预测潜在的微生物疾病关联。