[论文解读] Network-based methods for disease-gene prediction

Lorenzo Madeddu, Giovanni Stilo+1 more|arXiv (Cornell University)|Feb 26, 2019

Bioinformatics and Genomic Networks参考文献 28被引用 5

一句话总结

该论文提出RW²，一种基于网络的新方法，通过联合学习人类互作组中的连接性与功能特征，以预测疾病-基因关联。通过将随机游走扩展以捕捉丰富且上下文敏感的表征，RW²优于最先进方法，并表明仅靠连接性不足以实现准确预测，强调了在稀疏、不完整的网络中整合拓扑与功能模式的重要性。

ABSTRACT

We predict disease-genes relations on the Human Interactome network using a methodology that jointly learns functional and connectivity patterns surrounding proteins. Contrary to other data structures, the Interactome is characterized by high incompleteness and absence of explicit negative knowledge, which makes predictive tasks particularly challenging. To exploit at best latent information in the network, we propose an extended version of random walks, named Random Watcher-Walker ($RW^2$), which is able to learn rich representations of disease genes (or gene products) features. Our method successfully compares with the best known system for disease gene prediction, and other state-of-the-art graph-based methods. We perform sensitivity analysis and apply perturbations to ensure robustness. In contrast with previous studies, our results demonstrate that connectivity alone is not sufficient to classify disease-related genes.

研究动机与目标

• 为解决人类互作组中疾病-基因关系预测的挑战，该互作组具有高度不完整且缺乏显式负样本知识的特性。
• 克服标准图方法的局限性，这些方法因数据稀疏性和互作组中缺乏负样本证据而失效。
• 开发一种方法，有效捕捉围绕疾病相关基因的局部网络邻域中的拓扑与功能模式。
• 评估仅靠连接性特征是否足以实现可靠的疾病-基因预测，从而挑战网络医学中的假设。
• 在结构扰动下展示所提方法的鲁棒性，并评估关键超参数的敏感性。

提出的方法

• RW²通过在游走过程中整合功能注释（如通路、组织）来扩展传统随机游走，从而实现连接性与功能模式的联合学习。
• 该方法使用带有负采样的Skip-gram模型，基于RW²生成的游走序列中节点的上下文，学习节点（蛋白质）的密集低维嵌入。
• 标签嵌入经过训练以表示疾病特异性特征，使模型能够为每种疾病学习节点特征的预测性组合。
• 该方法使用上下文窗口定义节点的“邻域”，放宽严格的连接性约束，从而能够检测松散连接的疾病模块。
• 采用两阶段流程：首先，RW²游走生成节点和标签的序列；其次，利用这些序列通过神经网络训练节点嵌入与标签嵌入。
• 通过网络重连与节点重标记测试鲁棒性，性能使用标准指标（如R@1）和标准差进行衡量。

实验结果

研究问题

• RQ1 能否设计一种图方法，联合建模连接性与功能特征，从而在疾病-基因预测中超越最先进方法？
• RQ2 仅靠连接性模式在多大程度上有助于识别人类互作组中的疾病相关基因？
• RQ3 所提方法对网络重连与节点重标记等结构扰动的鲁棒性如何？
• RQ4 在该预测任务中，RW²模型的最优超参数（如嵌入维度、上下文窗口大小）是什么？
• RQ5 疾病相关基因是否倾向于形成高度连接的模块，还是分布在互作组中松散连接的区域？

主要发现

• RW²在疾病-基因预测任务中表现优于已知的最佳系统，并在与其他最先进图方法的比较中表现更优。
• 仅依赖连接性的方法（如Node2Vec (N2V) 和图卷积网络 (GCN)) 表现较差，表明仅靠连接性模式不足以实现可靠的疾病-基因预测。
• 该方法对网络扰动具有鲁棒性：在重连条件下性能仅下降33%，在重标记条件下仅下降2%，标准差极低（分别为0.0086和0.0005）。
• 当嵌入维度高于100且上下文窗口大小在1至5之间时，性能达到最优，表明疾病模块的直径较小。
• 结果证实，疾病相关基因通常形成多个独立的连通分量，而非单一密集模块，这与强局部连通性的假设相矛盾。
• 标签嵌入显著提升了性能，表明连接性与功能特征的最优组合对准确预测至关重要。