文献阅读总结：生物网络方向的论文

本文是对生物网络方向的已读文献的归纳总结，长期更新

欢迎做生物信息学、计算生物学、复杂网络计算、图表示学习的同学联系加群讨论，互帮互助，需要文献的请联系

文章目录

论文1 ：Predicting human microbe–disease associations via graph attention networks with inductive matrix completion（通过带非负矩阵补全的图注意力进行预测人类microbe-疾病关联）

论文2：Identifying drug–target interactions based on graph convolutional network and deep neural network（基于图卷积神经网络和深度神经网络预测药物-靶标互作）

论文3：AEMDA: Inferring miRNA-disease associations based on deep autoencoder（基于深度自动编码器预测miRNA-疾病关联）

论文4：Predicting Human Microbe-Drug Associations via Graph Convolutional Network with Conditional Random Field
（基于条件随机场的图卷积网络预测人体微生物-药物关联）

论文5：Predicting microRNA–disease associations from lncRNA–microRNA interactions via Multiview Multitask Learning （通过多视角多任务学习从lncRNA-miRNA互作中预测miRNA-disease关联）

论文6：Predicting drug–disease associations through layer attention graph convolutional network（通过层注意力的图卷积网络预测药物-疾病关联）

论文8：A graph auto-encoder model for miRNA-disease associations prediction（用于miRNA-disease关联预测的图自动编码模型）

论文9：Deep-DRM a computational method for identifying disease-related metabolites based on graph deep learning approaches（Deep-DRM:一种基于图深度学习方法的识别疾病相关代谢物的计算方法）

论文10：Biological network analysis with deep learning（使用深度学习的生物网络分析）

论文11：GAERF: predicting lncRNA-disease associations by graph auto-encoder and random forest（通过图自动编码器和随机森林预测lncRNA-疾病的关联）

论文12：An end-to-end heterogeneous graph representation learning-based framework for drug–target interaction prediction（一种端到端异构图表示学习的基于药物-靶标相互作用预测的框架）