[論文レビュー] DPPIN: A Biological Repository of Dynamic Protein-Protein Interaction Network Data

Dongqi Fu, Jingrui He|arXiv (Cornell University)|Jul 5, 2021

Bioinformatics and Genomic Networks参考文献 64被引用数 4

ひとこと要約

DPPINは、時間分解能のある遺伝子発現データから生成された12の動的タンパク質相互作用ネットワークを含む、革新的な生物学的リポジトリを提供する。このリポジトリは、動的グラフ表現学習を可能にし、動的スペクトルクラスタリングや少数ショットグラフ分類といった多様なタスクを支援する。tdGraphEmbed + ProtoNetは最先端の性能を達成し、次世代の動的グラフアルゴリズムにおける課題と機会を浮き彫りにしている。

ABSTRACT

In the big data era, the relationship between entries becomes more and more complex. Many graph (or network) algorithms have already paid attention to dynamic networks, which are more suitable than static ones for fitting the complex real-world scenarios with evolving structures and features. To contribute to the dynamic network representation learning and mining research, we provide a new bunch of label-adequate, dynamics-meaningful, and attribute-sufficient dynamic networks from the health domain. To be specific, in our proposed repository DPPIN, we totally have 12 individual dynamic network datasets at different scales, and each dataset is a dynamic protein-protein interaction network describing protein-level interactions of yeast cells. We hope these domain-specific node features, structure evolution patterns, and node and graph labels could inspire the regularization techniques to increase the performance of graph machine learning algorithms in a more complex setting. Also, we link potential applications with our DPPIN by designing various dynamic graph experiments, where DPPIN could indicate future research opportunities for some tasks by presenting challenges on state-of-the-art baseline algorithms. Finally, we identify future directions to improve the utility of this repository and welcome constructive inputs from the community. All resources (e.g., data and code) of this work are deployed and publicly available at https://github.com/DongqiFu/DPPIN.

研究の動機と目的

• 生物学的分野における高品質でラベル付き、属性豊富な動的ネットワークデータセットの不足に対処すること。
• スケーラブルで、十分に文書化され、公開可能な動的タンパク質相互作用ネットワークのリポジトリを提供し、動的グラフ機械学習の発展を促進すること。
• 現実的な進化パターン、ノード特徴量、ラベルを提供することで、次世代の動的グラフ表現学習手法の開発を促進すること。
• 動的グラフ分類、クラスタリング、類似性検索におけるベンチマーク実験を通じて、リポジトリを実世界の応用と結びつけること。
• コミュニティ主導のアップデートと自己教師あり学習を活用することで、ラベルカバレッジの向上とアルゴリズムの実用性向上のための今後の方向性を同定すること。

提案手法

• 動的ネットワークは、GSE3431の遺伝子発現データを用いて、静的PPIネットワークを12の時間分解能のあるスナップショットに分解することで生成される。
• ノード特徴量は、時間に依存するタンパク質発現値から導出され、エッジ特徴量は共発現性または相互作用の可能性を表す。
• 各動的ネットワークは、時間経過に伴い変化するノード集合と時間依存特徴量を持つスナップショットの系列 $ G^{(t)} = (V^{(t)}, E^{(t)}) $ として構造化される。
• 5つの連続したタイムスロットのサブグラフを抽出し、少数ショット学習用の動的シーケンスを構築する。元のクラスラベルを保持する。
• 実験では、Graph2Vec、GL2Vec、tdGraphEmbedなどのグラフ埋め込みモデルと、ProtoNet、kNNなどのメタラーニングフレームワークを組み合わせ、性能を評価する。
• スナップショットレベルの表現を統合してグラフレベルの埋め込みを生成するためのプーリング戦略が採用され、今後の改善として注目メカニズムの導入が提案されている。

実験結果

リサーチクエスチョン

• RQ1 動的グラフ表現学習モデルは、時間発展するPPIネットワークにおける生物学的に意味のある進化パターンを効果的に捉えることができるか？
• RQ2 構造的・特徴量的進化が複雑に絡む現実世界の生物学的動的ネットワークにおいて、最先端の動的グラフ埋め込み手法はどの程度の性能を示すか？
• RQ3 異なる生物学的条件下でクラスが曖昧なスナップショットが存在する場合、現在の統合戦略にはどのような限界があるか？
• RQ4 DPPINのような動的ネットワークリポジトリは、一般化性能と解釈可能性が向上した次世代のグラフアルゴリズム設計をどのように支援できるか？
• RQ5 自己教師あり学習や半教師あり学習は、生物学的動的ネットワークにおける不完全なラベリングをどのように緩和できるか？

主な発見

• tdGraphEmbed + ProtoNetは、3クラス3ショット設定で0.6791 ± 0.1141の最高のグラフレベル分類精度を達成し、他のベースラインを上回った。
• GL2Vec + ProtoNetは0.6625 ± 0.0407の精度を達成し、時間に依存するグラフ埋め込みが生物学的動的ネットワークにおいて性能向上をもたらすことを示した。
• Graph2Vec + kNNはV100 GPU上で48時間以内に収束しなかった。これは、静的手法を動的生物学的データに適用する際の計算上の課題を示している。
• サブグラフサンプリング戦略により、少数ショットメタラーニング用に1クラスあたり11のサブグラフを安定的に構築でき、一般化性能の信頼性ある評価が可能になった。
• 異なるクラス間でグローバルに共有されるスナップショットが存在するため、単純なプーリング戦略はクラスの明確な分離を損なう可能性があり、より洗練された統合メカニズムの必要性が示された。
• リポジトリの分析から、現在のラベルカバレッジが不完全であることが判明。一部のタンパク質に機能アノテーションが欠落しているため、教師あり学習の制限が生じ、今後の自己教師あり学習統合の動機づけとなった。