用于抗癌超食物预测的图注意力自编码器
机器学习
2020-01-17 v1 人工智能
摘要
近期的研究工作表明，可以从食物对其蛋白质-蛋白质相互作用网络的作用中发现食物中具有抗癌活性的类药分子，这为战胜疾病的饮食设计开辟了潜在途径。我们将此任务表述为一个图分类问题，图神经网络（GNNs）在该问题上取得了最先进（SOTA）的结果。然而，根据我们的经验证据，GNNs 难以在稀疏低维特征上训练。在此，我们提出图增强特征，以不同比例整合图结构信息与原始节点属性，以简化网络的训练。我们进一步引入一种新颖的图上的神经网络架构——图注意力自编码器（GAA），基于受扰动的蛋白质网络预测具有抗癌特性的食物化合物。我们证明该方法在此任务上优于基线方法和最先进的图分类模型。
引用
@article{arxiv.2001.05724,
title = {Graph Attentional Autoencoder for Anticancer Hyperfood Prediction},
author = {Guadalupe Gonzalez and Shunwang Gong and Ivan Laponogov and Kirill Veselkov and Michael Bronstein},
journal= {arXiv preprint arXiv:2001.05724},
year = {2020}
}
备注
33rd Conference on Neural Information Processing Systems Workshops (NeurIPS 2019)