Onto2Vec: 생물학적 개체와 그들의 온톨로지 기반 주석의 결합된 벡터 기반 표현

동기: 생물학적 지식은 온톨로지 기반 주석의 형태로 널리 표현됩니다. 온톨로지는 특정 도메인 내에 존재한다고 가정되는 현상을 설명하며, 주석은 생물학적 개체의 일종을 해당 도메인 내의 현상 집합과 연관시킵니다. 온톨로지와 그 주석에 포함된 구조와 정보는 기계 학습, 데이터 분석 및 지식 추출 알고리즘을 개발하는 데 가치가 있습니다. 특히, 의미적 유사성은 생물학적 개체 간의 관계를 식별하는 데 널리 사용되며, 온톨로지 기반 주석은 기계 학습 응용 프로그램에서 특징으로 자주 사용됩니다. 결과: 우리는 생물학적 개체의 주석을 기반으로 생물의 온톨로지에 대한 특징 벡터를 학습하는 방법인 Onto2Vec 방법을 제안합니다. 우리의 방법은 단백질 간의 상호작용에 대한 유사성 기반 예측, 감독 학습을 사용한 상호작용 유형의 분류 또는 클러스터링과 같은 다양한 생물정보학 연구 문제에 적용될 수 있습니다. Onto2Vec를 평가하기 위해 우리는 유전자 온톨로지(GO)를 사용하고 단백질, 주석이 달린 GO 클래스 및 이러한 클래스를 제약하는 GO의 공리를 함께 밀집된 벡터 표현으로 생성합니다. 먼저, 우리는 Onto2Vec에서 생성된 특징 벡터가 인간과 효모의 단백질-단백질 상호작용 예측을 상당히 개선할 수 있음을 입증합니다. 그 다음으로, 우리는 Onto2Vec 표현이 특정 단백질 간의 관계를 식별하는 데 사용될 수 있는 데이터 기반, 훈련 가능한 의미적 유사성 측정을 구성하는 수단을 제공하는 방법을 설명합니다. 마지막으로, 우리는 효소 위원회 번호를 기반으로 단백질 가족을 식별하기 위해 비지도 클러스터링 방법을 사용합니다. 우리의 결과는 Onto2Vec가 생물학적 개체와 온톨로지에서 고품질의 특징 벡터를 생성할 수 있음을 입증합니다. Onto2Vec는 온톨로지가 포함된 여러 예측 응용 프로그램에서 최신 기술을 상당히 능가할 수 있는 잠재력이 있습니다. 가용성 및 구현: https://github.com/bio-ontology-research-group/onto2vec. 보충 정보: 보충 데이터는 Bioinformatics 온라인에서 이용 가능합니다.