COLoR——用于网络重构的协同在线排序器
分子网络
2011-11-01 v1
摘要
预测蛋白质相互作用是后基因组时代更有趣的挑战之一。许多算法将此问题视为二元分类问题:给定以两个特征向量表示的蛋白质,预测它们是否相互作用。然而,重要的是,计算预测只是识别 PPI 的更大框架中的一个组成部分。最具潜力的候选对可以通过实验进行验证,测试它们是否在物理上相互结合。由于这些实验成本更高且更易出错,计算预测充当过滤器,旨在产生少量极具潜力的候选者。本文我们提出将此问题视为排序问题:给定一个具有已知相互作用的网络,基于相互作用的可能性对所有未知对进行排序。在本文中,我们提出了一种排序算法,该算法使用被动攻击型在线方法训练多个相互连接的模型。我们在突触后密度 PPI 网络的蛋白质-蛋白质相互作用预测中取得了良好结果。我们将排序算法的精度与局部分类器及经典支持向量机进行了比较。尽管排序算法优于经典 SVM 分类,但其性能逊于局部监督方法。
引用
@article{arxiv.1110.6538,
title = {COLoR - Coordinated On-Line Rankers for Network Reconstruction},
author = {Ossnat Bar-Shira and Gal Chechik},
journal= {arXiv preprint arXiv:1110.6538},
year = {2011}
}