Benchmarking de modelos de incrustación de grafos de conocimiento para la predicción de combinaciones oligogénicas

Área de la Ciencia:

• Genómica
• Bioinformática
• Biología Computacional

Sus antecedentes:

• La identificación de causas oligogénicas de enfermedades raras es un desafío persistente debido a datos de entrenamiento limitados y dificultades en la selección de características para modelos predictivos.
• Los enfoques predictivos y de clasificación existentes muestran una precisión limitada en la identificación de pares de genes patogénicos para trastornos genéticos complejos.

Objetivo del estudio:

• Investigar la utilidad de la información biológica estructurada integrada en un grafo de conocimiento heterogéneo para el aprendizaje de representaciones genéticas.
• Evaluar los modelos de incrustación de grafos de conocimiento (KGE) de última generación para identificar pares de genes potencialmente patogénicos involucrados en enfermedades oligogénicas.

Principales métodos:

• Se realizó una evaluación exhaustiva de varios modelos KGE para evaluar su rendimiento en la predicción de pares de genes patogénicos.
• Los modelos se evaluaron utilizando validación cruzada, un conjunto de retención y una cohorte de nuevos casos de infertilidad masculina.
• Se prestó especial atención a la prevención de fugas de datos en el espacio de incrustación durante la validación cruzada.

Principales resultados:

• Los modelos KGE lograron una alta precisión en la predicción de pares de genes patogénicos, con un Área bajo la curva de precisión-recuperación de hasta 0.93.
• El rendimiento representa un avance significativo sobre los métodos anteriores para predecir pares de genes en enfermedades oligogénicas.
• Los modelos de Distancia de Transducción (TransE, MurE, RotatE) y los modelos de Coincidencia Semántica (DisMult, QuatE) demostraron un rendimiento superior.

Conclusiones:

• La información biológica estructurada y los métodos KGE ofrecen un enfoque poderoso para avanzar en la predicción de pares de genes implicados en enfermedades raras oligogénicas.
• La validación cruzada cuidadosa es crucial para evitar resultados demasiado optimistas debido a fugas de datos en el espacio de incrustación.
• Se necesita trabajo futuro para desarrollar métodos que proporcionen explicaciones sobre la relevancia de los pares de genes identificados en enfermedades oligogénicas.