迁移正交网络

我们提出了迁移正交网络（TRON），一种用于跨物种迁移学习的新型神经网络架构。TRON利用正交关系表示，作为种类之间二分图来指导知识迁移。具体而言，我们在预训练的前馈神经网络前添加一个学习到的种类转换层，其权重由该二分图的双邻接矩阵屏蔽。该网络从源物种的基因表达数据预测表型。这种做法允许通过学习一个线性变换，将来自源物种的基因表达映射到目标物种的基因空间，从而高效地将知识迁移到目标物种。该转换层所学习的权重为解释功能正交性提供了可能的途径，从而提供有关不同物种基因如何贡献于感兴趣表型的见解。TRON提供了一种以生物学为基础且具可解释性的跨物种迁移学习方法，为更有效地利用可用转录组数据铺平了道路。我们正在收集跨物种转录组/表型数据，以获得TRON架构的实验验证。