Aprendizado positivo-não rotulado em bioinformática e biologia computacional: uma breve revisão

Os algoritmos convencionais de classificação binária supervisionada têm sido amplamente aplicados para abordar questões de pesquisa significativas usando dados biológicos e biomédicos. Esse esquema de classificação requer duas classes de dados totalmente rotuladas (por exemplo, amostras positivas e negativas) para treinar um modelo de classificação. No entanto, em muitas aplicações de bioinformática, rotular dados é trabalhoso, e as amostras negativas podem estar potencialmente rotuladas incorretamente devido à sensibilidade limitada dos equipamentos experimentais. O esquema de aprendizado positivo não rotulado (PU) foi, portanto, proposto para permitir que o classificador aprenda diretamente a partir de amostras positivas limitadas e um grande número de amostras não rotuladas (ou seja, uma mistura de amostras positivas ou negativas). Até agora, vários algoritmos de aprendizado PU foram desenvolvidos para abordar várias questões biológicas, como identificação de sequências, caracterização de locais funcionais e previsão de interações. Neste trabalho, revisamos uma coleção de 29 aplicações bioinformáticas de aprendizado PU de última geração para abordar várias questões biológicas. Vários aspectos importantes são amplamente discutidos, incluindo metodologia de aprendizado PU, aplicação biológica, design de classificador e estratégia de avaliação. Também comentamos sobre as questões existentes do aprendizado PU e oferecemos nossas perspectivas para o futuro desenvolvimento de aplicações de aprendizado PU. Antecipamos que nosso trabalho sirva como um guia instrumental para uma melhor compreensão da estrutura de aprendizado PU em bioinformática e para o desenvolvimento posterior de estruturas de aprendizado PU de próxima geração para aplicações biológicas críticas.