面向基因-微生物-疾病关联预测的异构因果 metapath 图神经网络
机器学习
2024-06-28 v1
摘要
近期人类医学中对微生物的关注凸显了其在遗传框架中发挥疾病作用的潜力。为了解构基因、微生物和疾病之间复杂的相互作用，预测基因-微生物-疾病（GMD）关联至关重要。现有方法主要解决基因-疾病和微生物-疾病关联，但更复杂的三元GMD关联研究仍不足。本文提出一种异构因果 metapath 图神经网络（HCMGNN）来预测GMD关联。HCMGNN构建一个连接基因、微生物和疾病的异构图，并利用六种预定义的因果 metapath提取有向因果子图，以促进三种实体类型之间因果关系的多视角分析。在每个子图中，我们采用因果语义共享消息传递网络进行节点表示学习，结合注意力融合方法整合这些表示以进行GMD关联预测。我们的广泛实验表明，HCMGNN有效预测GMD关联，通过增强图的语义和结构解决了关联稀疏问题。
引用
@article{arxiv.2406.19156,
title = {Heterogeneous Causal Metapath Graph Neural Network for Gene-Microbe-Disease Association Prediction},
author = {Kexin Zhang and Feng Huang and Luotao Liu and Zhankun Xiong and Hongyu Zhang and Yuan Quan and Wen Zhang},
journal= {arXiv preprint arXiv:2406.19156},
year = {2024}
}