使用一种新型超链接预测方法恢复代谢网络
社会与信息网络
2016-11-22 v2 分子网络
摘要
研究代谢网络对于新药和生物燃料等许多领域至关重要。对于生物学家来说，一个关键挑战是许多反应通过实验发现是不切实际或昂贵的。我们的任务是恢复缺失的反应。通过利用问题结构，我们将反应恢复建模为超链接预测问题，其中每个反应被视为连接其参与顶点（代谢物）的超链接。与两个节点形成链接的传统链接预测问题不同，超链接可以涉及任意数量的节点。由于超链接的基数是可变的，现有的基于固定数量输入特征的分类器变得不可行。传统方法，例如共同邻居和 Katz 指数，也不适用，因为它们仅限于成对相似性。在本文中，我们提出了一种称为矩阵提升（MATBoost）的新型超链接预测算法。MATBoost 通过在关联空间和邻接空间中进行迭代完成-匹配优化来联合推理。我们进行了广泛的实验，表明 MATBoost 达到了最先进的性能。对于一个具有 1805 个代谢物和 2583 个反应的代谢网络，我们的算法可以成功恢复 400 个缺失反应中的近 200 个。
引用
@article{arxiv.1610.06941,
title = {Recovering Metabolic Networks using A Novel Hyperlink Prediction Method},
author = {Muhan Zhang and Zhicheng Cui and Tolutola Oyetunde and Yinjie Tang and Yixin Chen},
journal= {arXiv preprint arXiv:1610.06941},
year = {2016}
}