
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于带路径聚合机制的距阵型原型图神经网络预测水稻抗旱相关基因
《Plant Methods》:Predicting rice drought-responsive genes via distance-based prototypical graph neural network with path aggregation mechanism
【字体: 大 中 小 】 时间:2026年03月12日 来源:Plant Methods 5.2
编辑推荐:
摘要干旱是影响水稻产量和品质的主要因素。识别对干旱有响应的基因对于培育抗旱品种至关重要。近年来,基于嵌入学习的图神经网络方法在生物网络分析中取得了显著成果。然而,在准确捕捉节点属性特征、表示拓扑结构以及解决类别不平衡问题方面仍存在挑战,这些因素可能限制模型的预测能力。为了解决这些
干旱是影响水稻产量和品质的主要因素。识别对干旱有响应的基因对于培育抗旱品种至关重要。近年来,基于嵌入学习的图神经网络方法在生物网络分析中取得了显著成果。然而,在准确捕捉节点属性特征、表示拓扑结构以及解决类别不平衡问题方面仍存在挑战,这些因素可能限制模型的预测能力。为了解决这些问题,我们提出了一种基于距离的、具有路径聚合机制的原型图神经网络(DPGNNPAM),用于挖掘水稻中的抗旱响应基因。首先,我们将水稻的基因表达数据与蛋白质相互作用网络结合,构建基于图的数据库。接着,我们采用随机游走策略生成多种路径,并利用基于递归神经网络的路径聚合器来编码这些路径上的节点属性。在训练过程中,我们会运用原型网络方法来关注全局信息并解决样本不平衡的问题。之后,通过测量节点嵌入向量与类别原型之间的距离来计算加权相似度。具体而言,类别原型是能够体现每个类别核心特征的代表性嵌入向量。最后,我们利用softmax函数将这个值转换为预测概率。实验结果表明,DPGNNPAM在识别水稻中的抗旱响应基因方面优于传统的图神经网络算法。最终,我们找到了17个与干旱胁迫密切相关的候选基因,其中12个在已有文献中被证实与植物的干旱胁迫响应有关。
干旱是影响水稻产量和品质的主要因素。识别对干旱有响应的基因对于培育抗旱品种至关重要。近年来,基于嵌入学习的图神经网络方法在生物网络分析中取得了显著成果。然而,在准确捕捉节点属性特征、表示拓扑结构以及解决类别不平衡问题方面仍存在挑战,这些因素可能限制模型的预测能力。为了解决这些问题,我们提出了一种基于距离的、具有路径聚合机制的原型图神经网络(DPGNNPAM),用于挖掘水稻中的抗旱响应基因。首先,我们将水稻的基因表达数据与蛋白质相互作用网络结合,构建基于图的数据库。接着,我们采用随机游走策略生成多种路径,并利用基于递归神经网络的路径聚合器来编码这些路径上的节点属性。在训练过程中,我们会运用原型网络方法来关注全局信息并解决样本不平衡的问题。之后,通过测量节点嵌入向量与类别原型之间的距离来计算加权相似度。具体而言,类别原型是能够体现每个类别核心特征的代表性嵌入向量。最后,我们利用softmax函数将这个值转换为预测概率。实验结果表明,DPGNNPAM在识别水稻中的抗旱响应基因方面优于传统的图神经网络算法。最终,我们找到了17个与干旱胁迫密切相关的候选基因,其中12个在已有文献中被证实与植物的干旱胁迫响应有关。