用于蛋白质网络的深度上下文学习器
机器学习
2021-07-20 v2 分子网络
定量方法
组织与器官
摘要
空间上下文对理解健康与疾病至关重要。然而，参考蛋白质相互作用网络缺乏此类上下文信息，从而限制了对蛋白质相互作用在人体中可能发生位置及其在疾病中如何改变的研究。上下文相关的蛋白质相互作用能更好地表征具有疾病特异性相互作用的基因，并阐明疾病在特定细胞类型中的表现。在此，我们介绍AWARE，一种将细胞和组织的上下文注入蛋白质嵌入的图神经消息传递方法。AWARE优化一个多尺度嵌入空间，其结构反映了单细胞质分辨率下的网络拓扑。我们构建了人类细胞图谱的多尺度网络，并应用AWARE学习维持细胞类型和组织层级的蛋白质、细胞类型及组织嵌入。我们在预测蛋白质是否在疾病中改变以及该关联最可能在人体中何处表现这一新任务上展示了AWARE的效用。为此，AWARE以至少12.5%的优势超越无上下文信息的通用嵌入，显示出AWARE揭示蛋白质在疾病中上下文依赖作用的潜力。
引用
@article{arxiv.2106.02246,
title = {Deep Contextual Learners for Protein Networks},
author = {Michelle M. Li and Marinka Zitnik},
journal= {arXiv preprint arXiv:2106.02246},
year = {2021}
}
备注
Accepted to the 2021 International Conference on Machine Learning (ICML) Workshop on Computational Biology (WCB)