亚洲第一品牌威尼斯澳门人院讯（通讯员：高震）近日，IEEE和ACM联合出版期刊IEEE/ACM Transactions on Computational Biology and Bioinformatics在线发表了我院学术论文（Zhen Gao, Yu-Tian Wang, Qing-Wen Wu, Lei Li, Jian-Cheng Ni, Chun-Hou Zheng. A New Method Based on Matrix Completion and Non-Negative Matrix Factorization for Predicting Disease-Associated miRNAs, IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2020, Early Access）。该论文以威尼斯亚洲第一品牌威尼斯澳门人为第一完成单位，2018级研究生高震为论文第一作者，倪建成教授和郑春厚特聘教授为论文共同通讯作者。IEEE/ACM Transactions on Computational Biology and Bioinformatics是生物信息学领域的重要期刊，最新影响因子为3.016，中科院分区3区。

为了可以降低miRNA和疾病相似性网络的稀疏性，MCNMF采用改进后的矩阵填充算法进行预处理，对miRNA和疾病相似性矩阵的低秩矩阵添加核范数以恢复缺失值，对噪声矩阵添加L1,2范数以尽量去除噪音，继而采用ALM算法进行优化求解，从而得到低秩恢复的miRNA和疾病相似性矩阵，从而降低了相似性矩阵的稀疏性。继而，采用双L1,2正则化非负矩阵分解模型完成疾病相关miRNA的识别。五折交叉验证、留一验证以及案例研究的实验结果表明，该方法可以有效提升准确率。

全文链接：https://doi.org/10.1109/TCBB.2020.3027444

该研究得到了国家自然科学基金的资助支持。