[论文解读] SHINE: SubHypergraph Inductive Neural nEtwork

Yuan Luo|arXiv (Cornell University)|Oct 13, 2022

Advanced Graph Neural Networks被引用 5

一句话总结

SHINE 是首个用于在超图中学习子图表征的归纳神经网络，采用双注意力消息传递联合嵌入基因和通路，并通过子图分类与节点相似性正则化的联合优化。它在大规模 NGS 数据集上达到最先进性能，优于 GNN、XGBoost、NMF 和多基因风险评分，同时实现可解释的、具有功能洞察力的疾病模型。

ABSTRACT

Hypergraph neural networks can model multi-way connections among nodes of the graphs, which are common in real-world applications such as genetic medicine. In particular, genetic pathways or gene sets encode molecular functions driven by multiple genes, naturally represented as hyperedges. Thus, hypergraph-guided embedding can capture functional relations in learned representations. Existing hypergraph neural network models often focus on node-level or graph-level inference. There is an unmet need in learning powerful representations of subgraphs of hypergraphs in real-world applications. For example, a cancer patient can be viewed as a subgraph of genes harboring mutations in the patient, while all the genes are connected by hyperedges that correspond to pathways representing specific molecular functions. For accurate inductive subgraph prediction, we propose SubHypergraph Inductive Neural nEtwork (SHINE). SHINE uses informative genetic pathways that encode molecular functions as hyperedges to connect genes as nodes. SHINE jointly optimizes the objectives of end-to-end subgraph classification and hypergraph nodes' similarity regularization. SHINE simultaneously learns representations for both genes and pathways using strongly dual attention message passing. The learned representations are aggregated via a subgraph attention layer and used to train a multilayer perceptron for inductive subgraph inferencing. We evaluated SHINE against a wide array of state-of-the-art (hyper)graph neural networks, XGBoost, NMF and polygenic risk score models, using large scale NGS and curated datasets. SHINE outperformed all comparison models significantly, and yielded interpretable disease models with functional insights.

研究动机与目标

• 解决在超图中进行归纳子图表征学习的未满足需求，特别是在遗传医学应用中的需求。
• 通过建模患者特异性突变基因子图及其与功能通路的连接，实现对疾病亚型的准确预测。
• 同时学习基因（节点）和通路（超边）的表征，以支持可解释性和功能推理。
• 整合子图注意力与相似性正则化，以提升对未见子图的泛化能力和归纳偏差。
• 通过识别在多种癌症类型中具有生物相关性的高注意力通路，提供对疾病机制的功能性见解。

提出的方法

• 采用超图结构，其中基因为节点，功能通路为连接多个基因的超边。
• 实现强双注意力消息传递，利用邻居信息和超边上下文，联合更新基因和超边的表征。
• 应用子图注意力层，将节点表征聚合为统一的子图级别嵌入，用于下游预测。
• 同时优化两个目标：端到端子图分类与节点相似性正则化，以保留功能关系。
• 在聚合的子图表征上训练多层感知机，实现对未见子图的归纳推理。
• 利用模型中的注意力权重识别并解释对疾病发生和进展有贡献的关键通路。

实验结果

研究问题

• RQ1 超图神经网络能否有效学习不同大小的子图的归纳表征，即使在训练过程中未见过？
• RQ2 同时学习节点（基因）和超边（通路）的表征在多大程度上提升了模型性能与可解释性？
• RQ3 与标准 GNN 和基线模型相比，整合超图结构与相似性正则化在多大程度上提升了子图分类的准确性？
• RQ4 哪些生物通路对特定癌症类型最具预测性，且是否与已知的分子机制一致？
• RQ5 SHINE 中的注意力机制能否识别出功能相关、生物上一致的通路，这些通路共同参与疾病发生发展？

主要发现

• 在 TCGA-MC3 数据集上，SHINE 显著优于所有对比模型，包括最先进 GNN、XGBoost、NMF 和多基因风险评分。
• 在 TCGA-MC3 数据集上，SHINE 的 AUC 为 0.6955 ± 0.0034，AUPRC 为 0.5319 ± 0.0049，表现出卓越的泛化能力和鲁棒性。
• 去除超图正则化后，SHINE 性能下降（AUC：0.6829 ± 0.0059），证实了超图结构在表征学习中的重要性。
• 该模型识别出如 TNF/α、4-1BB、VIP/PACAP 和 ErbB3 信号通路等具有生物学相关性的通路，这些通路已知在乳腺癌和肺癌进展中发挥关键作用。
• 注意力权重揭示了多个通路之间的功能关联，例如线粒体细胞凋亡与脂质合成通路，提示其在肿瘤发生中的协同作用。
• 可解释性分析证实，SHINE 中排名靠前的通路与既有的遗传学和医学知识高度一致，验证了模型的生物学相关性与临床潜力。