[論文レビュー] Modeling multi-scale data via a network of networks

Shawn Gu, Meng Jiang+2 more|arXiv (Cornell University)|May 25, 2021

Bioinformatics and Genomic Networks参考文献 42被引用数 6

ひとこと要約

本稿では、より高いレベルのネットワーク（例：タンパク質相互作用ネットワーク）とより低いレベルのネットワーク（例：タンパク質構造ネットワーク）を統合することで、マルチスケールデータをモデル化するためのネットワークのネットワーク（NoN）フレームワークを提案する。合成および実際の生物学的NoNを用いて、単一レベルのノードまたはグラフラベル予測よりも、NoNベースのモデルによる統合的マルチレベル予測が優れていることを示し、特に単一レベル手法が失敗する複雑なタンパク質機能において顕著である。

ABSTRACT

Prediction of node and graph labels are prominent network science tasks. Data analyzed in these tasks are sometimes related: entities represented by nodes in a higher-level (higher-scale) network can themselves be modeled as networks at a lower level. We argue that systems involving such entities should be integrated with a "network of networks" (NoN) representation. Then, we ask whether entity label prediction using multi-level NoN data via our proposed approaches is more accurate than using each of single-level node and graph data alone, i.e., than traditional node label prediction on the higher-level network and graph label prediction on the lower-level networks. To obtain data, we develop the first synthetic NoN generator and construct a real biological NoN. We evaluate accuracy of considered approaches when predicting artificial labels from the synthetic NoNs and proteins' functions from the biological NoN. For the synthetic NoNs, our NoN approaches outperform or are as good as node- and network-level ones depending on the NoN properties. For the biological NoN, our NoN approaches outperform the single-level approaches for just under half of the protein functions, and for 30% of the functions, only our NoN approaches make meaningful predictions, while node- and network-level ones achieve random accuracy. So, NoN-based data integration is important.

研究の動機と目的

• 複雑なシステムにおける階層的・マルチスケールな関係を捉えることができない単一レベルネットワークモデルの限界を解決すること。
• より高いレベルのネットワークとより低いレベルのネットワーク的要因を統合する、新しいネットワークのネットワーク（NoN）表現を提案すること。
• NoNにおける複数のレベルにまたがるラベル予測を統合することで、個別にノードまたはグラフレベルの予測を行う場合と比較して、精度が向上するかどうかを評価すること。
• ベンチマーク用に、最初の合成NoN生成ツールを開発し、実際の生物学的NoN（PIN-PSN）を構築すること。
• マルチレベルNoN統合が、複雑な生物学的機能の予測性能を向上させることを仮説検証すること。

提案手法

• レベル2のノード（例：タンパク質）がレベル2のエッジで接続され、それぞれがレベル1のネットワーク（例：タンパク質構造ネットワーク）に対応する二段階のNoNモデルを設計する。
• 評価用に、構造的性質を調整可能な制御されたマルチスケールデータを生成するための合成NoN生成ツールを開発する。
• PDBデータから得たヒトタンパク質相互作用ネットワーク（PPI）とタンパク質構造ネットワーク（PSN）を用いて、実際の生物学的NoNを構築する。
• 複数のラベル予測モデルを実装する：L1 GDVM（レベル1でのグラフオートエンコーダ）、L2 GDV（レベル2でのグラフオートエンコーダ）、L1 DiffPool（微分可能プーリング）、L2 SIGN（部分グラフベースのグラフニューラルネットワーク）。
• アンサンブル学習を用いてモデルを統合（例：'Combined all' = L1 GDVM + L2 GDV + L1 DiffPool + L2 SIGN）し、複数レベルの表現を活用する。
• 標準指標（AUPR、精度、再現率、Fスコア）を用いてモデルを訓練・評価し、ランダムベースラインとの統計的有意性を検証する。

実験結果

リサーチクエスチョン

• RQ1 ネットワークのネットワーク（NoN）表現は、単一レベルネットワークモデルと比較して、マルチスケール関係をよりよく捉えることができるか？
• RQ2 NoNにおけるレベル1およびレベル2の両方のネットワークを用いたラベル予測の統合は、単一のレベルのみを用いる場合と比較して、予測精度を向上させるか？
• RQ3 合成的および実際の生物学的データにおいて、NoNベースのモデルの性能は、単一レベルのノードおよびグラフラベル予測手法と比較してどうなるか？
• RQ4 どの種類のタンパク質機能において、マルチレベルNoN統合が単一レベル手法と比較して最も顕著な改善をもたらすか？
• RQ5 単一レベル手法がランダムな性能にとどまる一方で、NoNアプローチのみが意味のある予測を行うケースは存在するか？

主な発見

• 合成NoNでは、NoNベースのアプローチが、NoNの構造的性質に応じて単一レベル手法を上回るか同等の性能を示した。
• 実際の生物学的NoNでは、タンパク質機能の約48.5％において、NoNベースのアプローチが単一レベル手法を上回った。
• GO用語の30％において、ノードおよびグラフレベルの手法がランダムな性能にとどまった一方で、NoNベースのアプローチのみが意味のある予測を行った。
• アンサンブルNoNモデル（'Combined all'）は、多くの機能において、AUPR、精度、再現率、Fスコアのすべての指標で最高の性能を示し、ランダムベースラインを顕著に上回った。
• DiffPoolを含むNoNモデルのトレーニング時間は著しく長く（例：'Combined all'では約522.5秒）、GPUベースのトレーニングによるものであったが、これは予測精度に悪影響を及げなかった。
• 本研究では、単一レベルモデルが失敗する複雑なシステムにおいて、複数レベルのネットワークデータをNoNフレームワークで統合することが、正確なラベル予測に不可欠であることが確認された。