Совместное встраивание биологических сетей для функционального сопоставления между видами

Мотивация: Модельные организмы широко используются для углубления понимания молекулярных причин заболеваний человека. Хотя сходство последовательностей существенно облегчает перенос данных между видами, оно не подразумевает функционального сходства; поэтому в ряде современных подходов учитываются взаимодействия белок–белок, что помогает сопоставлять результаты между видами. В существующих методах переноса задача выравнивания либо формулируется как задача сопоставления, в которой признаки сетей противопоставляются известной ортологии, либо, в более современных подходах, как задача совместного встраивания. Результаты: Мы предлагаем новое современное решение на основе совместного встраивания — Embeddings to Network Alignment (ETNA). ETNA формирует отдельные векторные представления сетей на основе их топологической структуры, а затем использует подход перекрёстного обучения, вдохновлённый обработкой естественного языка, для выравнивания двух представлений с помощью ортологов, выявленных на основе последовательностей. Итоговое векторное представление сохраняет функциональные взаимосвязи генов как внутри видов, так и между видами; мы показываем, что оно отражает функциональную значимость как пар генов, так и их групп. Кроме того, векторные представления ETNA можно использовать для переноса генетических взаимодействий между видами и выявления фенотипических соответствий, создавая основу для потенциального перепрофилирования лекарственных препаратов и трансляционных исследований. Доступность и реализация: https://github.com/ylaboratory/ETNA.