Cross-Attention Graph Neural Networks for Inferring Gene Regulatory Networks with Skewed Degree Distribution

要約

遺伝子発現データから遺伝子制御ネットワーク (GRN) を推論することは、システム生物学における極めて重要な課題であり、いくつかの革新的な計算手法が導入されています。
しかし、これらの研究のほとんどは、遺伝子の偏った次数分布を考慮していません。
具体的には、一部の遺伝子は複数の標的遺伝子を制御することがあり、また一部の遺伝子は複数の制御遺伝子によって制御されることもあります。
このような偏った次数分布の問題は、有向グラフ埋め込み法の適用を大幅に複雑にします。
この問題に取り組むために、クロスアテンション複雑デュアルグラフ埋め込みモデル (XATGRN) を提案します。
当社の XATGRN は、クロスアテンション メカニズムを採用して、遺伝子発現プロファイルから複雑な遺伝子相互作用を効果的に捕捉します。
さらに、Dual Complex Graph Embedding アプローチを使用して偏った度数分布を管理し、それによって規制関係とその方向性を正確に予測します。
私たちのモデルは、さまざまなデータセットにわたって既存の最先端の方法を常に上回っており、複雑な遺伝子制御機構の解明におけるその有効性が強調されています。
この論文で使用されているコードは、https://github.com/kikixiong/XATGRN で公開されています。

要約(オリジナル)

Inferencing Gene Regulatory Networks (GRNs) from gene expression data is a pivotal challenge in systems biology, and several innovative computational methods have been introduced. However, most of these studies have not considered the skewed degree distribution of genes. Specifically, some genes may regulate multiple target genes while some genes may be regulated by multiple regulator genes. Such a skewed degree distribution issue significantly complicates the application of directed graph embedding methods. To tackle this issue, we propose the Cross-Attention Complex Dual Graph Embedding Model (XATGRN). Our XATGRN employs a cross-attention mechanism to effectively capture intricate gene interactions from gene expression profiles. Additionally, it uses a Dual Complex Graph Embedding approach to manage the skewed degree distribution, thereby ensuring precise prediction of regulatory relationships and their directionality. Our model consistently outperforms existing state-of-the-art methods across various datasets, underscoring its efficacy in elucidating complex gene regulatory mechanisms. Our codes used in this paper are publicly available at: https://github.com/kikixiong/XATGRN.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google