[论文解读] 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 4

一句话总结

DPPIN 提出了一种新颖的生物学数据存储库，包含12个在酵母中动态演化的蛋白质-蛋白质相互作用网络，这些网络基于时间分辨的基因表达数据生成，旨在支持动态图表示学习。该存储库支持多种任务，如动态谱聚类和少样本图分类，其中 tdGraphEmbed + ProtoNet 达到了最先进性能，凸显了下一代动态图算法面临的挑战与机遇。

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.

研究动机与目标

• 为生物领域中稀缺的高质量、带标签且富含属性的动态网络数据集提供解决方案。
• 提供一个可扩展、文档齐全且公开可访问的动态蛋白质-蛋白质相互作用网络存储库，以推动动态图机器学习的发展。
• 通过提供真实的演化模式、节点特征和标签，激发动态图表示学习新方法的出现。
• 通过在动态图分类、聚类和相似性检索任务中的基准实验，将存储库与现实世界应用相连接。
• 通过社区驱动的更新和自监督学习，识别未来提升标签覆盖率和算法实用性的方向。

提出的方法

• 通过利用来自 GSE3431 的基因表达数据，将静态PPI网络分解为12个时间分辨的快照，生成动态网络。
• 节点特征源自时间感知的蛋白质表达值，边特征表示共表达或相互作用的可能性。
• 每个动态网络被组织为快照序列 $ G^{(t)} = (V^{(t)}, E^{(t)}) $，其节点集合随时间演化，且具有时间依赖的特征。
• 提取连续5个时间戳的子图，形成用于少样本学习的动态序列，同时保留原始类别标签。
• 实验采用元学习框架（如 ProtoNet、kNN）与图嵌入模型（如 Graph2Vec、GL2Vec 和 tdGraphEmbed）结合，以评估性能。
• 采用池化策略将快照级别的表示聚合为图级别的嵌入，建议未来使用注意力机制以提升类别区分度。

实验结果

研究问题

• RQ1 动态图表示学习模型能否有效捕捉时间演化PPI网络中的生物意义演化模式？
• RQ2 最先进动态图嵌入方法在具有复杂结构与特征演化的现实生物动态网络上的表现如何？
• RQ3 当不同生物条件下存在类别模糊的快照时，当前动态图表示学习中的聚合策略存在哪些局限性？
• RQ4 像 DPPIN 这样的动态网络存储库如何指导下一代具备更强泛化性与可解释性的图算法设计？
• RQ5 自监督或半监督学习在缓解生物动态网络中不完整标注问题方面可能发挥什么作用？

主要发现

• tdGraphEmbed + ProtoNet 在 3 类 3 样本设置下实现了 0.6791 ± 0.1141 的最高图级别分类准确率，优于其他基线模型。
• GL2Vec + ProtoNet 达到 0.6625 ± 0.0407 的准确率，表明时间感知图嵌入能提升在动态生物网络上的性能。
• Graph2Vec + kNN 在 V100 GPU 上运行48小时仍未收敛，凸显了将静态方法应用于动态生物数据时的计算挑战。
• 子图采样策略实现了每类11个子图的稳健设置，支持少样本元学习的可靠泛化性评估。
• 不同类别间存在全局共享的快照，表明简单池化可能降低类别区分度，提示需要更复杂的聚合机制。
• 该存储库揭示了当前标签覆盖率不完整，部分蛋白质缺乏功能注释，限制了监督学习，也推动未来整合自监督学习。