UMMAN：基于肠道菌群的无监督多图合并对抗网络用于疾病预测
人工智能
2024-08-01 v1 定量方法
摘要
肠道菌群的丰度与人类疾病密切相关，但疾病并非由单一肠道微生物引起。相反，它们是众多微生物实体之间复杂相互作用的结果。这种复杂而隐含的肠道微生物关联对利用OTU数据中的丰度信息进行疾病预测构成了重大挑战。最近，一些方法在预测相应疾病方面显示出潜力。然而，这些方法未能从不同宿主中学习肠道微生物之间的内在关联，导致性能不佳。本文提出了一种新的架构——无监督多图合并对抗网络（UMMAN）。UMMAN可以在无监督场景下获得多图中节点的嵌入，从而有助于学习多重关联。我们的方法是第一个将图神经网络与肠道菌群疾病预测任务相结合的方法。我们利用复杂的关系类型构建原始图，并通过打乱节点间的关系生成对应的打乱图。我们引入了节点特征全局集成（NFGI）模块来表示图的全局特征。此外，我们设计了一个联合损失，包括对抗损失和混合注意力损失，以确保真实图嵌入与原始图紧密对齐并与打乱图发散。在五个经典OTU肠道微生物组数据集上的综合实验证明了我们的方法的有效性和稳定性。（我们将很快发布我们的代码。）
引用
@article{arxiv.2407.21714,
title = {UMMAN: Unsupervised Multi-graph Merge Adversarial Network for Disease Prediction Based on Intestinal Flora},
author = {Dingkun Liu and Hongjie Zhou and Yilu Qu and Huimei Zhang and Yongdong Xu},
journal= {arXiv preprint arXiv:2407.21714},
year = {2024}
}