GeSubNet：用于疾病亚型网络生成的基因相互作用推断
机器学习
2025-02-25 v3 人工智能
摘要
从知识数据库中检索基因功能网络是一个具有挑战性的任务，因为疾病网络与亚型特定变异之间存在不匹配。当前的解决方案，包括统计方法和深度学习方法，往往无法有效整合来自数据库的基因相互作用知识，或未明确学习亚型特定的相互作用。为解决这一不匹配问题，我们提出了 GeSubNet，该模型能够学习统一的表示，既能预测基因相互作用，又能区分不同的疾病亚型。由此生成的图可被视为亚型特定网络。GeSubNet 是一个多步骤的表示学习框架，包含三个模块：首先，一个深度生成模型从患者基因表达轮廓中学习不同的疾病亚型；其次，图神经网络捕获来自知识数据库中先验基因网络的表示，确保准确的物理基因相互作用；最后，我们通过一种推断损失函数整合这两个表示，利用图生成能力，以患者分离损失为条件，来细化所学表示中的亚型特定信息。GeSubNet 在四个图评估指标上均优于传统方法，平均提升幅度分别为 30.6%、21.0%、20.1% 和 56.6%，并在四个癌症数据集上进行了平均值计算。特别地，我们进行了生物仿真实验，以评估从超过 11,000 个候选基因中筛选出的基因对亚型或患者分布的影响。结果表明，生成的网络有望以 83% 的概率识别出影响患者分布偏移的亚型特定基因。
引用
@article{arxiv.2410.13178,
title = {GeSubNet: Gene Interaction Inference for Disease Subtype Network Generation},
author = {Ziwei Yang and Zheng Chen and Xin Liu and Rikuto Kotoge and Peng Chen and Yasuko Matsubara and Yasushi Sakurai and Jimeng Sun},
journal= {arXiv preprint arXiv:2410.13178},
year = {2025}
}
备注
Published as a conference paper at ICLR 2025