2018级博士生赵宵飒同学的论文“Multi-view contrastive heterogeneous graph attention network for lncRNA-disease association prediction”被国际期刊《Briefings in Bioinformatics》（CCF B类期刊）接收。赵宵飒本科就读于东北师范大学计算机科学与信息技术学院，2015年保送到本院计算机应用技术专业，进入智能信息处理实验室读研，2018年保送到信息科学与技术学院攻读博士学位。

期刊简介：Briefings in Bioinformatics（BIB）由牛津大学出版社出版，是一本同行评议的科学期刊，涵盖生物信息学，包括遗传学、分子生物学数据库和分析工具的评论。同时，它发表与新型生物信息学模型和工具的主要研究论文。

期刊名称：Briefings in Bioinformatics

期刊类别：中国计算机学会推荐B类期刊，中科院2区，影响因子：13.994

第一作者：赵宵飒

作者顺序：赵宵飒，吴军，赵晓威，殷明浩

论文题目：Multi-view contrastive heterogeneous graph attention network for lncRNA-disease association prediction

论文概述：开发高效的计算模型预测lncRNA和疾病的潜在关联关系成为lncRNA功能研究的一种有效辅助手段，也是对湿实验的有效补充。近年来，许多lncRNA-疾病关联预测模型使用图神经网络，例如图卷积网络、图注意力网络等，有效地融合了节点的特征和网络拓扑，在性能上实现了很大的提高。然而，这些模型都是在有监督学习范式下进行训练，对于稀疏的关联数据，模型泛化能力较弱。此外，有些模型的图表示学习忽略了元路径上的上下文，导致信息丢失。在本文中，我们设计了一个基于多视角图对比学习的lncRNA-疾病关联预测框架（MCHNLDA）。首先，该模型针对lncRNA-疾病关联预测中存在的标签数量有限问题，引入了交叉对比学习，即通过对比节点在特征模式视图和网络拓扑视图上的表征，设置自监督学习任务，从而辅助监督学习任务在有限的标签下获得更有区分度的节点嵌入。然后，该模型还设计了一个异构上下文图注意力网络，即在节点水平聚合过程中，通过基于长短期记忆网络的注意力机制蒸馏元路径实例中的序列结构信息。最后，通过与六个基准算法进行比较，实验结果表明了MCHNLDA框架能有效地提高lncRNA-疾病关联预测的性能。