KG2ML: 知識グラフと陽性・ラベルなし学習を統合した疾患関連遺伝子の特定

科学分野:

• バイオインフォマティクス
• 計算生物学
• 機械学習

背景:

• DDKGのような生物医学知識グラフ（KG）は既知の関係を格納しますが、未探索の関連を見逃しています。
• 未知の疾患関連遺伝子の特定は、生物医学研究を進歩させるために重要です。
• 既存の方法は時間がかかるため、効率的な計算アプローチが必要です。

研究 の 目的:

• 新規疾患関連遺伝子を特定するための効率的な計算アプローチを開発すること。
• 知識グラフ分析のための既存の機械学習パイプラインの限界を克服すること。
• 高度な機械学習を使用して、これまで知られていなかった遺伝子疾患関係を推論すること。

主な方法:

• 新しい陽性・ラベルなし（PU）学習アルゴリズムであるPULSCAR（Positive Unlabeled Learning Selected Completely At Random）を利用したKG2ML（Knowledge Graph to Machine Learning）パイプラインを開発しました。
• KG2MLパイプライン内にProteinGraphMLからのパスベースの特徴抽出を組み込みました。
• KG2MLを12の疾患に適用し、DDKGに存在しない新規疾患関連遺伝子を推論しました。

主要な成果:

• KG2MLは12の疾患に対してトップランクの新規疾患関連遺伝子を特定し、15のうち14はDDKGに明示的な関連がありませんでした。
• 特定された遺伝子は、文献およびTINX（ターゲットの重要性と新規性エクスプローラー）の証拠によって裏付けられました。
• PULSCARによって補完された遺伝子を陽性として組み込むことで、XGBoost分類性能が向上しました。

結論:

• 陽性・ラベルなし（PU）学習は、既存の知識グラフ（KG）に欠けている疾患遺伝子関連を効果的に明らかにします。
• KG2MLパイプラインは、生物医学研究のためのスケーラブルで解釈可能なフレームワークを提供します。
• KGデータをMLベースの推論と統合することで、KGの限界に対処することにより、生物医学的発見が進歩します。