学位论文简介

微小RNA（MicroRNA，miRNA）在基因调控及肿瘤进展中具有关键作用，其异常表达与协同失衡是疾病演化的重要分子基础。为揭示其调控机制及协同模式，本文围绕分子互作预测、协同机制解析、跨条件交互建模与多组学生存预测构建了递进式研究体系，提出多种融合深度学习与图建模的计算框架，系统解析miRNA介导的调控机制在复杂疾病中的功能作用。主要创新成果如下：

(1) 分子互作预测。针对现有miRNA-靶标相互作用预测方法难以同时建模序列与调控网络特征的问题，提出了一种融合序列与网络双模态信息的混合深度学习方法，以实现高精度的miRNA–靶基因关系预测。

(2) 协同机制解析。针对现有研究大多聚焦于无疾病特异的通用miRNA协同网络构建或特定疾病的miRNA模块识别，尚缺乏在多疾病情境下统一建模miRNA协同作用的能力，也难以扩展至大规模协同对识别任务。为系统探索miRNA间的协同调控机制及其在不同疾病背景下的共性规律，提出了基于多视角信息学习的张量补全方法，通过挖掘潜在疾病相关的miRNA-miRNA协同对，来全面解析miRNA在不同疾病背景下的协同模式。该方法为多疾病条件下miRNA协同机制的系统建模提供了新的计算范式。

(3) 跨条件高阶交互建模。进一步将多疾病背景下的miRNA–miRNA协同建模范式推广至更一般的跨条件交互建模问题。针对现有张量模型难以同时刻画多线性与非线性依赖的局限，提出了一种基于卷积神经张量补全的通用三元关系建模框架。该框架以A–A–B三元组为统一建模形式，适用于任意同类分子在不同生物背景下的三元高阶交互预测，为多层次生物网络分析提供了通用解决方案。

(4) 多组学生存预测。进一步将miRNA介导的协同调控机制引入癌症风险预测，实现从分子交互到生存预测的系统层建模。针对现有癌症预后模型在多源信息融合与网络结构建模方面的不足，提出了一种基于图引导与标签感知机制的多组学对比学习框架，以实现高精度、可解释的癌症生存预测。

主要学术成果

[1] Pei Liu, Xiao Liang, Yue Li*, Jiawei Luo*. ConvNTC: convolutional neural tensor completion for detecting “A–A–B” type biological triplets[J]. Briefings in Bioinformatics, 2025, 26(4): bbaf372. (CCF B类期刊, SCI 2区, 第一作者)

[2] Pei Liu, Ying Liu, Jiawei Luo*, Yue Li*. MiRGraph: A hybrid deep learning approach to identify microRNA-target interactions by integrating heterogeneous regulatory network and genomic sequences[C]. 2024 IEEE International Conference on Bioinformatics and Biomedicine (BIBM). IEEE, 2024: 1028-1035. (CCF B类会议, EI, 第一作者)

[3] Pei Liu, Jiawei Luo*, Xiangtao Chen. miRCom: tensor completion integrating multi-view information to deduce the potential disease-related miRNA-miRNA pairs[J]. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2020, 19(3): 1747-1759. (CCF B类期刊, SCI 3区, 第一作者)

[4] Pei Liu, Xiao Liang, Jiawei Luo*. LaCONIC: A Label-Aware and Graph-Guided Contrastive Multi-Omics Collaborative Learning Model for Cancer Risk Prediction. (IEEE Transactions on Knowledge and Data Engineering在投, 第一作者)

[5] Xiao Liang, Pei Liu, Li Xue, Baiyun Chen, Wei Liu, Wanwan Shi, Yongwang Wang, Xiangtao Chen, Jiawei Luo*. A multi-modality and multi-granularity collaborative learning framework for identifying spatial domains and spatially variable genes[J]. Bioinformatics, 2024, 40(10): btae607. 18(6): 2535-2545 (CCF B类期刊, SCI 3区)

[6] Zhaoyang Sun, Ying Liu, Pei Liu, Wanwan Shi, Jiawei Luo*. scSRL: Siamese Representation Learning-based method for analyzing single-cell RNA-seq data[C]. 2023 IEEE International Conference on Bioinformatics and Biomedicine (BIBM). IEEE, 2023: 636-641. (CCF B类会议，EI)

[7] Jiawei Luo*, Yi Liu, Pei Liu, Zihan Lai, Hao Wu. Data integration using tensor decomposition for the prediction of miRNA-disease associations[J]. IEEE Journal of Biomedical and Health Informatics, 2021, 26(5): 2370-2378. (CCF C类期刊, IF= 6.8, SCI 2区)

[8] Jiawei Luo*, Zihan Lai, Cong Shen, Pei Liu, Heyuan Shi. Graph attention mechanism-based deep tensor factorization for predicting disease-associated miRNA-miRNA pairs[C]. 2021 IEEE International Conference on Bioinformatics and Biomedicine (BIBM). IEEE, 2021: 189-196. (CCF B类会议)