[论文解读] Hypergraph and protein function prediction with gene expression data

Loc Tran|arXiv (Cornell University)|Dec 3, 2012

Bioinformatics and Genomic Networks被引用 6

一句话总结

该论文提出基于超图的半监督学习方法，利用基因表达数据提升蛋白质功能预测性能，通过捕捉超越成对交互作用的组间功能关系。该方法采用未归一化的、随机游走的和对称归一化的超图拉普拉斯矩阵，在酿酒酵母（Saccharomyces cerevisiae）数据上显著优于基线图方法。

ABSTRACT

Most network-based protein (or gene) function prediction methods are based on the assumption that the labels of two adjacent proteins in the network are likely to be the same. However, assuming the pairwise relationship between proteins or genes is not complete, the information a group of genes that show very similar patterns of expression and tend to have similar functions (i.e. the functional modules) is missed. The natural way overcoming the information loss of the above assumption is to represent the gene expression data as the hypergraph. Thus, in this paper, the three un-normalized, random walk, and symmetric normalized hypergraph Laplacian based semi-supervised learning methods applied to hypergraph constructed from the gene expression data in order to predict the functions of yeast proteins are introduced. Experiment results show that the average accuracy performance measures of these three hypergraph Laplacian based semi-supervised learning methods are the same. However, their average accuracy performance measures of these three methods are much greater than the average accuracy performance measures of un-normalized graph Laplacian based semi-supervised learning method (i.e. the baseline method of this paper) applied to gene co-expression network created from the gene expression data.

研究动机与目标

• 解决成对网络模型在捕捉多个基因呈现共表达模式的功能模块方面的局限性。
• 通过超图建模组间关系，克服标准图基半监督学习中的信息损失。
• 在基因表达数据上开发并评估三种基于超图拉普拉斯矩阵的半监督学习方法。
• 证明超图方法在蛋白质功能预测中优于传统图拉普拉斯基线方法的性能优势。

提出的方法

• 将基因表达数据表示为超图，其中超边连接一组共表达基因，这些基因可能共享生物学功能。
• 应用三种超图拉普拉斯变体：未归一化、随机游走和对称归一化，以建模标签传播。
• 在超图上使用半监督学习，基于已知标签和共表达模式预测蛋白质功能。
• 构建基线方法：使用标准基因共表达网络，并应用未归一化的图拉普拉斯矩阵进行对比。
• 在已知蛋白质功能的酿酒酵母（Saccharomyces cerevisiae）基因表达数据集上训练和评估模型。
• 在多次运行和多个数据集上使用平均准确率作为主要评估指标。

实验结果

研究问题

• RQ1 与传统的成对图模型相比，基于超图的学习是否能提升蛋白质功能预测性能？
• RQ2 不同形式的超图拉普拉斯矩阵（未归一化、随机游走、对称归一化）在性能上如何比较？
• RQ3 建模组间共表达关系是否能更有效地识别基因网络中的功能模块？
• RQ4 与图基基线方法相比，超图方法的性能提升是否具有统计显著性？
• RQ5 超图结构对半监督蛋白质功能预测中标签传播准确率有何影响？

主要发现

• 三种基于超图拉普拉斯矩阵的方法在平均准确率上表现一致，表明其在不同归一化方案下均具有鲁棒性。
• 所有基于超图的方法在蛋白质功能预测中显著优于基线的未归一化图拉普拉斯方法。
• 超图方法有效捕捉了由共表达模式定义的功能模块，而传统成对模型未能识别这些模块。
• 结果表明，基因表达数据中的组间关系对准确的功能预测至关重要。
• 本研究提供了实证证据，表明与标准图相比，超图在建模基因表达数据中功能关系方面更具适用性。