MGN-Net：用于整合异质生物网络群体的多视图图归一化器
社会与信息网络
2021-04-09 v1 机器学习
定量方法
摘要
随着近期技术进步，常以相互作用实体的网络（即图）表示的生物数据集以前所未有的复杂性与异质性激增。尽管现代网络科学为分析此类数据集中的连接模式开辟了新前沿，我们仍缺乏数据驱动的方法来提取多视图图群体的整体连接指纹，更不用说厘清群体样本间典型与非典型变异。我们提出多视图图归一化网络（MGN-Net; https://github.com/basiralab/MGN-Net），一种基于图神经网络的方法，用于将一组多视图生物网络归一化并整合为单一居中、具代表性且拓扑合理的连接模板。我们通过发现健康与神经障碍脑网络群体（包括阿尔茨海默病与自闭症谱系障碍患者）的连接指纹来展示 MGN-Net 的用途。此外，通过比较健康与障碍群体的学习模板，我们表明 MGN-Net 在生成最居中模板、重现群体独特特征以及保留生物网络复杂拓扑方面，于广泛实验中显著优于传统网络整合方法。我们的评估显示，MGN-Net 具有强大的通用性，且在设计上易于适配不同的基于图的问题，如相关连接识别、归一化与整合。
引用
@article{arxiv.2104.03895,
title = {MGN-Net: a multi-view graph normalizer for integrating heterogeneous biological network populations},
author = {Islem Rekik and Mustafa Burak Gurbuz},
journal= {arXiv preprint arXiv:2104.03895},
year = {2021}
}