[論文レビュー] Recovering Metabolic Networks using A Novel Hyperlink Prediction Method

Muhan Zhang, Zhicheng Cui+3 more|arXiv (Cornell University)|Oct 21, 2016

Bioinformatics and Genomic Networks参考文献 20被引用数 10

ひとこと要約

この論文では、反復的完了-マッチングを用いてインcidenc空間と隣接空間を共同で最適化することで、欠落した代謝反応を回復する新しいハイパーリンク予測アルゴリズムであるMatrix Boosting（MATBoost）を提案する。MATBoostは、行列分解と可変サイズのハイパーリンクを有するハイパーネットワークにおける制約付き最適化を活用することで、最先端の性能を達成し、大規模なE. coliネットワークにおける400個の欠落反応のうちほぼ200個を回復した。これは、従来の手法を著しく上回る結果である。

ABSTRACT

Studying metabolic networks is vital for many areas such as novel drugs and bio-fuels. For biologists, a key challenge is that many reactions are impractical or expensive to be found through experiments. Our task is to recover the missing reactions. By exploiting the problem structure, we model reaction recovery as a hyperlink prediction problem, where each reaction is regarded as a hyperlink connecting its participating vertices (metabolites). Different from the traditional link prediction problem where two nodes form a link, a hyperlink can involve an arbitrary number of nodes. Since the cardinality of a hyperlink is variable, existing classifiers based on a fixed number of input features become infeasible. Traditional methods, such as common neighbors and Katz index, are not applicable either, since they are restricted to pairwise similarities. In this paper, we propose a novel hyperlink prediction algorithm, called Matrix Boosting (MATBoost). MATBoost conducts inference jointly in the incidence space and adjacency space by performing an iterative completion-matching optimization. We carry out extensive experiments to show that MATBoost achieves state-of-the-art performance. For a metabolic network with 1805 metabolites and 2583 reactions, our algorithm can successfully recover nearly 200 reactions out of 400 missing reactions.

研究の動機と目的

• 実験的に入手困難または検証に高コストがかかるため、多くの反応が欠落している不完全な代謝ネットワークの課題に対処すること。
• 代謝反応の回復を、複数の代謝物を結ぶ反応（ハイパーリンク）としてモデル化されたハイパーグラフにおけるハイパーリンク予測問題として定式化すること。
• 従来のリンク予測手法が想定する2項関係および固定次元特徴量の制限を克服すること。
• 大規模で現実世界の代謝ネットワークにおける欠落したハイパーリンク（反応）をスケーラブルかつ高精度に予測する手法を開発すること。
• リソースと時間の制約がある生物学者が、高信頼性の欠落反応を優先的に実験的検証に回せるようにすること。

提案手法

• MATBoostは、各列が反応（ハイパーリンク）を、各行が代謝物を表すインシデント行列Sを用いて代謝ネットワークをハイパーグラフとしてモデル化する。
• ハイパーリンクをs·s^Tによる変換により隣接行列に変換し、既存のリンク予測技術を用いた2項関係の推論を可能にする。
• EMに類似したフレームワークにおいて、反復的完了（Cステップ）とマッチング（Mステップ）を交互に実行することで、インシデント空間と隣接空間を共同で最適化する。
• 行列分解を用いて、予測された隣接行列ΔA⁻から欠落した化合物間相互作用を推定する。
• 予測された隣接構造と最も一致するインシデント行列を回復するための制約付き最適化問題を解く。
• 固定点反復とアンサンブル平均化を用いて性能を向上させ、収束を保証する。

実験結果

リサーチクエスチョン

• RQ1 ハイパーリンク予測手法は、大規模で不完全な代謝ネットワークにおける欠落反応の回復に効果的に適応可能か？
• RQ2 インシデント空間と隣接空間における共同推論は、単一空間手法と比較して予測精度をどのように向上させるか？
• RQ3 行列分解と制約付き最適化は、可変基数のハイパーリンク回復をどの程度向上させるか？
• RQ4 AUCおよびトップ-k回復性能の観点から、MATBoostは既存のリンク予測およびハイパーリンク予測ベースラインと比較してどの程度優れているか？
• RQ5 実世界の代謝ネットワーク（サイズが異なる）におけるMATBoostの計算効率とスケーラビリティはいかがなっているか？

主な発見

• MATBoostは、iJO1366 E. coliネットワークにおける400個の欠落反応のうちほぼ200個を回復し、50％を超える回復率を達成した。
• 5種の生物でテストされた8つのデータセットすべてにおいて、MATBoostは6つのベースライン手法と比較して、回復された欠落反応の数において一貫して優れた性能を示した。
• 上位予測において高い再現率を達成しており、生物学者が検証可能な候補を限界まで選別できる点で重要である。
• SHCは第2位にランクされたことから、行列転置によって頂点とハイパーリンクの間で相互に置き換え可能である可能性が示唆された。
• HKatzとHCNは低い性能を示したため、2項のトポロジカル指標をハイパーリンクに単純に一般化することは不十分であることが示された。
• MATBoostは最大のネットワークでも数分で実行されたことから、高次元の探索空間を持つにもかかわらず、強力な計算効率を示した。