用于基因调控网络推断的Kolmogorov-Arnold网络
计算工程、金融与科学
2025-06-17 v1
摘要
基因调控对于理解细胞过程和发育至关重要，可能有助于发现新的治疗方法和个性化医疗。从单细胞RNA测序（scRNA-seq）数据推断基因调控网络（GRNs）因其高维度和复杂性而面临重大挑战。现有的基于树的模型，如GENIE3和GRNBOOST2，在GRN推断中展示了可扩展性和可解释性，但它们无法区分调控类型，也无法有效捕捉连续的细胞动力学。在本文中，我们引入了一种新模型scKAN，采用带可解释AI的Kolmogorov-Arnold网络（KAN）从scRNA-seq数据推断GRNs。通过将基因表达建模为匹配细胞动力学平滑性质的可微函数，scKAN可以通过可解释AI和几何工具精确检测激活和抑制调控。我们在BEELINE基准测试上进行了广泛实验，scKAN在AUROC上超越了领先的带符号GRN推断模型5.40%至28.37%，在AUPRC上超越了1.97%至40.45%。这些结果突显了scKAN在无需先验图结构知识的情况下捕捉基因调控底层生物过程的潜力。
引用
@article{arxiv.2506.13740,
title = {Kolmogorov-Arnold Network for Gene Regulatory Network Inference},
author = {Tsz Pan Tong and Aoran Wang and George Panagopoulos and Jun Pang},
journal= {arXiv preprint arXiv:2506.13740},
year = {2025}
}
备注
26 pages, 14 figures, accepted in CMSB 2025