顶刊速看:《Nature Communications》IF=14.7 对癌症合成致死率预测的机器学...

正文

请到「今天看啥」查看全文

缺乏全面的基准测试。

这篇论文系统地对 12 种用于 SL 预测的机器学习方法进行了基准测试，评估了它们在不同数据拆分场景、负样本比率和负采样技术在分类和排名任务中的表现。

研究方法

（1）数据及预处理

①合成致死性（SL）标签数据，进行 数据的过滤及处理。

②蛋白质-蛋白质相互作用（PPI）数据， 构建PPI网络。

③基因本体（GO）数据， 计算基因之间的功能相似性和GO术语之间的语义相似性。

④通路数据， 构建通路数据的对称掩码矩阵。

⑤基因表达和基因依赖性得分数据， 设计这些数据的负样本采样方法。

（2）实验场景设计

①测试了1:1、1:5、1:20和1:50四种正负样本比例。

②设计了CV1、CV2和CV3三种数据分割方法，以模拟不同的预测场景。

③提出了基于 基因表达相关性 和 基因依赖性得分相关性 的两种新的负样本采样方法（NSMExp和NSMDep）。

（3） 通过分类和排名任务的得分，计算模型的整体性能。

（4） 选择了12种机器学习方法进行基准测试，包括三种基于矩阵分解的方法和九种基于深度学习的方法。

研究结果

（1）分类和排名任务的性能评估

• 使用分类分数和排名分数来评估模型性能。

• 发现通过提高数据质量（例如，从训练中排除计算得出的SLs和基于基因表达的负标签采样）可以显著提高所有方法的性能。

（2 ）对未见基因的泛化能力

• 通过三种不同的数据分割方法（CV1、CV2和CV3）评估了模型的一般化能力。

  

• SLMGAE在所有DSMs中表现最佳，表明其具有良好的泛化能力。

请到「今天看啥」查看全文