CNN-GRU and Heterogeneous Graph Convolutional Networks for lncRNA–Disease Association Prediction

LncRNA(Long non-coding RNA)는 암을 비롯한 다양한 인간 질환의 발생과 진행 과정에서 핵심적인 역할을 수행하므로, lncRNA와 질환 간의 새로운 연관성을 밝히는 것은 의학적·생물학적 측면에서 중요한 의미를 가진다. 기존 계산 모델들은 주로 네트워크 위상 정보에 의존하여, lncRNA가 지닌 고유한 생물학적 특성을 충분히 반영하지 못하는 한계를 보인다. 이를 해결하기 위해, 본 연구에서는 lncRNA 염기서열 특징과 이종 정보네트워크 구조를 통합 학습하는 CG-HGCN 모델을 제안한다. CG-HGCN은 CNN과 GRU를 결합하여 염기서열로부터 특징을 추출하고, 이를 lncRNA, miRNA, 질환으로 구성된 HG-GCN의 초기 노드 특징으로 활용한다. 이후 네트워크 상의 복잡한 상호작용을 학습하여 최종적으로 lncRNA-질환 연관 확률을 예측한다. 실험 결과, 서열 정보와 이종 네트워크 정보를 동시에 고려함으로써 연관성을 효과적으로 예측할 수 있음을 확인하였다.