用于基因本体描述自动生成的图内图网络
人工智能
2022-06-27 v2 计算与语言
摘要
基因本体（GO）是支持生物医学中计算任务的主要基因功能知识库。GO 的基本单元是一个术语，其中包含一组具有相同功能的基因。现有关于 GO 的研究主要集中于预测基因-术语关联。其他任务，如生成新术语的描述，则很少被探索。本文中，我们提出一项新任务：GO 术语描述生成。该任务旨在自动生成一句话，描述属于三类之一（即分子功能、生物过程与细胞组分）的 GO 术语的功能。为应对此任务，我们提出一种图内图（Graph-in-Graph）网络，可高效利用 GO 的结构信息。所提网络引入双层图：第一层为 GO 术语图，其中每个节点本身也是一个图（基因图）。这种图内图网络能够推导 GO 术语的生物学功能并生成恰当描述。为验证所提网络的有效性，我们构建了三个大规模基准数据集。通过引入所提图内图网络，七种不同序列到序列（sequence-to-sequence）模型在所有评价指标上的性能均得到显著提升，在 BLEU、ROUGE-L 和 METEOR 上分别获得高达 34.7%、14.5% 和 39.1% 的相对提升。
引用
@article{arxiv.2206.05311,
title = {Graph-in-Graph Network for Automatic Gene Ontology Description Generation},
author = {Fenglin Liu and Bang Yang and Chenyu You and Xian Wu and Shen Ge and Adelaide Woicik and Sheng Wang},
journal= {arXiv preprint arXiv:2206.05311},
year = {2022}
}
备注
Accepted by KDD 2022 (Research Track)