用于预测代谢网络平衡的深层语言模型
机器学习
2021-12-08 v1 计算与语言
摘要
我们表明，深度学习模型，尤其是最初用于自然语言的 Transformer 等架构，可以在随机生成的数据集上训练，以非常高的精度预测代谢网络的定性与定量特征。利用标准数学技术，我们创建了大型（4000 万元素）随机网络集合，可用于训练我们的模型。这些训练后的模型在超过 99% 的情况下可预测随机图上的网络平衡。它们还能泛化到与训练时所遇结构不同的图。最后，它们几乎可以完美预测一小部分已知生物网络的平衡。我们的方法在实验数据上非常节省，且仅使用小而浅的深度学习模型，远非机器翻译中常用的大型架构。此类结果为在定量系统药理学、系统生物学和合成生物学等关键领域中更广泛地使用深度学习模型解决生物网络相关问题铺平了道路。
引用
@article{arxiv.2112.03588,
title = {A deep language model to predict metabolic network equilibria},
author = {François Charton and Amaury Hayat and Sean T. McQuade and Nathaniel J. Merrill and Benedetto Piccoli},
journal= {arXiv preprint arXiv:2112.03588},
year = {2021}
}