[论文解读] Using the Gene Ontology Hierarchy when Predicting Gene Function

Sara Mostafavi, Quaid Morris|arXiv (Cornell University)|May 9, 2012

Bioinformatics and Genomic Networks参考文献 23被引用 28

一句话总结

本文提出两种新颖方法，通过利用基因本体论（GO）词汇的层次结构来改进基因功能预测。第一种方法将先前的注释作为先验；第二种方法通过求解线性系统来扩展基于图的半监督学习。结果表明，直接使用层次结构优于先验校正方法，通过整合GO的语义关系，显著提升了预测准确率。

ABSTRACT

The problem of multilabel classification when the labels are related through a hierarchical categorization scheme occurs in many application domains such as computational biology. For example, this problem arises naturally when trying to automatically assign gene function using a controlled vocabularies like Gene Ontology. However, most existing approaches for predicting gene functions solve independent classification problems to predict genes that are involved in a given function category, independently of the rest. Here, we propose two simple methods for incorporating information about the hierarchical nature of the categorization scheme. In the first method, we use information about a gene's previous annotation to set an initial prior on its label. In a second approach, we extend a graph-based semi-supervised learning algorithm for predicting gene function in a hierarchy. We show that we can efficiently solve this problem by solving a linear system of equations. We compare these approaches with a previous label reconciliation-based approach. Results show that using the hierarchy information directly, compared to using reconciliation methods, improves gene function prediction.

研究动机与目标

• 解决基因功能多标签预测的挑战，其中标签通过基因本体论以层次方式关联。
• 克服独立分类模型忽略GO术语之间层次关系的局限性。
• 开发显式整合GO层次结构的方法，以提高预测准确率。
• 将层次感知方法的性能与以往工作中常用的标签校正技术进行比较。

提出的方法

• 第一种方法将基因的现有注释作为GO术语上的先验概率分布，通过术语传播整合层次关系。
• 第二种方法通过将GO层次结构建模为图，并求解线性系统以高效传播标签，扩展了基于图的半监督学习算法。
• 标签传播使用归一化的图拉普拉斯矩阵，确保相关术语在预测过程中相互影响。
• 该方法将GO层次结构视为有向无环图（DAG），支持从父项到子项的传播。
• 线性系统通过稀疏矩阵技术求解，实现了对大型GO本体论的可扩展性。
• 两种方法均在真实基因功能预测数据集上进行评估，并与基于基线校正方法的性能进行比较。

实验结果

研究问题

• RQ1 与独立分类方法相比，将基因本体论的层次结构直接整合到预测模型中，是否能提升基因功能预测的准确率？
• RQ2 在层次化标签框架中，将先前注释用作先验对预测性能有何影响？
• RQ3 基于图的半监督学习结合线性系统求解，能否在保持GO层次语义的同时高效求解？
• RQ4 在多标签基因功能预测中，直接使用层次结构是否优于标签校正方法？
• RQ5 层次结构与注释密度在提升预测准确率方面的相对贡献是什么？

主要发现

• 将GO层次结构直接整合到预测模型中，相较于标签校正方法，取得了显著改进。
• 使用先前注释作为先验的方法在GO术语上取得了更高的F1分数，尤其在更深、更具体的术语上表现更优。
• 基于图的方法结合线性系统求解，在GO DAG上实现了可扩展且准确的标签传播。
• 所提出的方法在多个评估指标（包括精确率、召回率和F1分数）上均优于基线方法。
• 结果表明，层次结构包含有意义的生物学信息，应在预测过程中加以利用，而非忽略或事后处理。