ハイパーグラフレットカーネルを使用した生物ネットワークの分類

動機：生物学的および細胞システムは、頂点が対象のオブジェクト（遺伝子、タンパク質、薬物）を表すグラフとしてモデル化され、エッジはこれらのオブジェクト間の関係関係（バインドと相互作用と調節）を表します。このアプローチは、グラフの分析と学習をサポートする理論、方法論、ソフトウェアにより、非常に成功しています。ただし、グラフは、多目的関係を正確に表すことができないため、物理システムをモデル化する場合、情報の損失に悩まされています。グラフの一般化であるハイパーグラフは、情報の損失を軽減し、異なるグラフベースの方法論を統合するためのフレームワークを提供します。 結果：生物学的システムをモデル化し、（拡張、デュアル）ハイパーグラフの頂点分類のインスタンスとして（ハイパー）グラフで頂点分類、エッジ分類、リンク予測問題を策定するためのハイパーグラフベースのアプローチを提示します。次に、分析と学習のために、頂点およびエッジラベル（色付き）ハイパーグラフに新しいカーネル法を紹介します。この方法は、ハイパーグラップレットの正確な（ハイパーグラフ編集距離を介して）列挙に基づいています。すなわち、目的の頂点に根ざした小さなハイパーグラフ。この方法を15の生物学的ネットワークで経験的に評価し、さまざまな種の相互作用サイズを推定するために、陽性の環境での潜在的な使用を示しています。 可用性と実装：https：//github.com/jlugomar/hypergraphlet-kernels。 補足情報：補足データは、バイオインフォマティクスオンラインで入手できます。

MOTIVATION: Biological and cellular systems are often modeled as graphs in which vertices represent objects of interest (genes, proteins and drugs) and edges represent relational ties between these objects (binds-to, interacts-with and regulates). This approach has been highly successful owing to the theory, methodology and software that support analysis and learning on graphs. Graphs, however, suffer from information loss when modeling physical systems due to their inability to accurately represent multiobject relationships. Hypergraphs, a generalization of graphs, provide a framework to mitigate information loss and unify disparate graph-based methodologies. RESULTS: We present a hypergraph-based approach for modeling biological systems and formulate vertex classification, edge classification and link prediction problems on (hyper)graphs as instances of vertex classification on (extended, dual) hypergraphs. We then introduce a novel kernel method on vertex- and edge-labeled (colored) hypergraphs for analysis and learning. The method is based on exact and inexact (via hypergraph edit distances) enumeration of hypergraphlets; i.e. small hypergraphs rooted at a vertex of interest. We empirically evaluate this method on fifteen biological networks and show its potential use in a positive-unlabeled setting to estimate the interactome sizes in various species. AVAILABILITY AND IMPLEMENTATION: https://github.com/jlugomar/hypergraphlet-kernels. SUPPLEMENTARY INFORMATION: Supplementary data are available at Bioinformatics online.