抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
必須遺伝子/蛋白質の同定は,ヒト生物学と病理学のより良い理解に向けた重要な段階である。計算機アプローチは,機械学習(ML)法の探索と生物学的情報,特に蛋白質-蛋白質相互作用(PPI)ネットワークとの必須性の相関を,必須遺伝子を予測するために,実験制約を緩和するのに役立った。それにもかかわらず,それらの性能は,ネットワークベースの中心性が必須性の排他的プロキシではなく,従来のML法がグラフのような非ユークリッドドメインから学ぶことができないので,まだ限られている。これらの限界を考えると,グラフ構造化データで動作する注意ベースグラフニューラルネットワーク(GNN)であるグラフ注意ネットワーク(GATs)に基づく必須性予測のためのアプローチであるEPGATを提案した。本モデルはPPIネットワークから遺伝子必須性パターンを直接学習し,ノード属性として符号化されたマルチオミクスデータからの追加証拠を統合した。著者らは,ヒトを含む4つの生物に対してEPGATをベンチマークし,0.78から0.97の範囲のAUCスコアで遺伝子必須性を正確に予測した。著者らのモデルは,ネットワークベースおよび浅いMLベースの方法を著しく上回って,最先端のノード2vec埋込み方式に対して非常に競合した性能を達成した。特に,EPGATは,制限および不均衡訓練データによるシナリオにおいて最もロバストなアプローチであった。したがって,提案した手法は,必須遺伝子および蛋白質を同定する強力な効果的な方法を提供する。【JST・京大機械翻訳】