[论文解读] 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 10

一句话总结

该论文提出了一种名为矩阵提升（Matrix Boosting, MATBoost）的新颖超链接预测算法，通过在关联矩阵空间和邻接矩阵空间中联合优化并迭代完成-匹配过程，恢复缺失的代谢反应。MATBoost 实现了最先进性能，在大型大肠杆菌网络中恢复了近 400 个缺失反应中的近 200 个，显著优于现有方法，其优势源于在具有可变大小超链接的超网络上结合矩阵分解与约束优化。

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.

研究动机与目标

• 为解决代谢网络不完整的问题，即许多反应在实验上难以获取或验证成本高昂。
• 将代谢反应恢复建模为超图中的超链接预测问题，其中反应连接多个代谢物。
• 克服传统链接预测方法的局限性，后者假设关系为成对且特征维度固定。
• 开发一种可扩展且准确的方法，用于预测大规模真实世界代谢网络中缺失的超链接（反应）。
• 在资源和时间受限的情况下，使生物学家能够优先验证高置信度的缺失反应。

提出的方法

• MATBoost 使用关联矩阵 S 将代谢网络建模为超图，其中每列代表一个反应（超链接），每行代表一个代谢物。
• 通过 s·s^T 将超链接转换为邻接矩阵，以利用现有链接预测技术推断成对关系。
• 在类似 EM 的框架中，通过交替执行 C-步骤（完成）和 M-步骤（匹配），联合优化关联空间与邻接空间。
• 利用矩阵分解，从未知邻接矩阵 ΔA⁻ 中推断缺失的化合物相互作用。
• 求解一个约束优化问题，以恢复最匹配预测邻接结构的关联矩阵。
• 采用定点迭代与集成平均方法提升性能并确保收敛。

实验结果

研究问题

• RQ1 超链接预测方法能否有效适应于大规模、不完整的代谢网络中缺失代谢反应的恢复？
• RQ2 在关联空间与邻接空间中联合推理相比单空间方法，能否显著提升预测准确性？
• RQ3 矩阵分解与约束优化在恢复具有可变基数的超链接方面，能提升多大程度？
• RQ4 在 AUC 和 top-k 恢复性能方面，MATBoost 与现有链接预测和超链接预测基线方法相比表现如何？
• RQ5 MATBoost 在不同规模的真实世界代谢网络上的计算效率与可扩展性如何？

主要发现

• 在 iJO1366 大肠杆菌网络中，MATBoost 恢复了近 400 个缺失反应中的近 200 个，恢复率超过 50%。
• 在涵盖五种生物的八个测试数据集中，MATBoost 在恢复缺失反应数量方面始终优于六种基线方法。
• 该算法在高阶预测中表现出高召回率，这对生物学家而言至关重要，因为他们只能验证有限数量的候选反应。
• SHC 排名第二，表明通过矩阵转置，超网络中顶点与超链接之间可能存在可互换性。
• HKatz 和 HCN 表现较差，表明将成对拓扑指标简单推广到超链接是不够的。
• MATBoost 在最大网络上仅耗时数分钟，尽管搜索空间维度很高，仍展现出强大的计算效率。