[论文解读] 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 6

一句话总结

本文提出了一种网络的网络（NoN）框架，通过整合高层网络（如蛋白质-蛋白质相互作用网络）与低层网络（如蛋白质结构网络），对多尺度数据进行建模。基于合成数据和真实的生物NoN，结果表明，通过NoN模型进行联合多层级预测优于单一层次的节点或图标签预测，尤其在单层次方法失效的复杂蛋白质功能预测中表现更优。

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.

研究动机与目标

• 解决单层次网络模型在捕捉复杂系统中分层、多尺度关系方面的局限性。
• 提出一种新颖的网络的网络（NoN）表示方法，将高层网络与低层网络实体进行整合。
• 评估在NoN中跨多个层级进行联合标签预测是否相比孤立的节点级或图级预测能提高准确率。
• 开发首个合成NoN生成器，并构建一个真实的生物NoN（PIN-PSN）用于基准测试。
• 检验假设：多层级NoN整合能够提升复杂生物功能的预测性能。

提出的方法

• 设计一个两级NoN模型，其中二级节点（如蛋白质）通过二级边相连，且每个节点对应一个一级网络（如蛋白质结构网络）。
• 开发一个合成NoN生成器，用于生成具有可调结构特性的受控多尺度数据，以供评估。
• 利用人类蛋白质-蛋白质相互作用网络（PPI）和来自PDB数据的蛋白质结构网络（PSN）构建真实的生物NoN。
• 实现多种标签预测模型：L1 GDVM（一级图自编码器）、L2 GDV（二级图自编码器）、L1 DiffPool（可微池化）、L2 SIGN（基于子图的图神经网络）。
• 通过集成学习（例如，'Combined all' = L1 GDVM + L2 GDV + L1 DiffPool + L2 SIGN）融合多层级表示。
• 使用标准指标（AUPR、精确率、召回率、F1分数）进行模型训练与评估，并与随机基线进行显著性检验。

实验结果

研究问题

• RQ1 网络的网络（NoN）表示是否能比单层次网络模型更好地捕捉多尺度关系？
• RQ2 在NoN中联合使用一级和二级网络进行标签预测，是否相比仅使用单一层次能提高预测准确率？
• RQ3 NoN模型在合成数据和真实生物数据上的性能，与单层次节点和图标签预测方法相比如何？
• RQ4 对于哪些类型的蛋白质功能，多层级NoN整合相比单层次方法能带来最显著的性能提升？
• RQ5 是否存在仅NoN方法能做出有意义预测，而单层次方法表现随机的情况？

主要发现

• 在合成NoN中，NoN方法的性能优于或等同于单层次方法，具体表现取决于NoN的结构特性。
• 在真实生物NoN中，NoN方法在约48.5%的蛋白质功能（GO术语）上优于单层次方法。
• 在30%的GO术语中，仅NoN方法做出了有意义的预测，而节点级和图级方法表现随机。
• 集成NoN模型（'Combined all'）在各项指标上均表现最佳，其AUPR、精确率、召回率和F1分数在多数功能上显著高于随机基线。
• 涉及DiffPool的NoN模型训练时间明显更长（例如，'Combined all'约522.5秒），这是由于基于GPU的训练，但并未影响预测准确率。
• 本研究证实，通过NoN框架整合多层级网络数据，对于在单层次模型失效的复杂系统中实现准确标签预测至关重要。