基于疾病特异性文献知识图谱的多类链接预测:深度学习方法与路径分析方法的基准比较研究

《Artificial Intelligence in Medicine》:A benchmark study comparing deep learning and path analysis approaches for multi-class link prediction on a disease-specific literature knowledge graph

【字体: 大 中 小 】 时间:2026年10月14日 来源:Artificial Intelligence in Medicine 7.8

编辑推荐:

  研究人员开发了一个软件流水线(pipeline),用于从文献和本体(ontology)构建知识图谱(knowledge graph, KG);引入了一种简化的多类型相互作用分类法(taxonomy);比较了多种链接预测(link prediction)方法以识

  
研究人员开发了一个软件流水线(pipeline),用于从文献和本体(ontology)构建知识图谱(knowledge graph, KG);引入了一种简化的多类型相互作用分类法(taxonomy);比较了多种链接预测(link prediction)方法以识别多类型药物相互作用(drug–drug interactions, DDIs);提供了一份未经记录的药物相互作用预测列表;并对药物之间关系的重要性进行了定性分析和可解释性(explainability)分析。
基于疾病特异性文献知识图谱的多类链接预测:深度学习与路径分析方法的基准比较研究

一、研究背景与问题
多药治疗(polypharmacy)在肺癌等严重疾病管理中十分常见,但会增加药物-药物相互作用(drug-drug interaction, DDI)的风险,可能导致药物疗效降低或不可预测的毒性。传统实验方法研究DDI耗时、昂贵且范围有限。现有基于人工智能和知识图谱的预测工作大多将DDI识别视为二分类问题,忽略了相互作用可能产生的多种效应。因此,研究人员提出将DDI识别建模为疾病特异性生物医学知识图谱上的多类型链接预测(multi-class link prediction)任务,并系统比较了路径分析、知识图谱嵌入(knowledge graph embedding, KGE)和图神经网络(graph neural network, GNN)三类方法的预测性能与可解释性。

二、研究内容与总体结论
研究人员首先开发了一个可扩展、可迁移的软件流水线,从PubMed、MEDLINE和PubMed Central的肺癌相关文献以及Gene Ontology、Disease Ontology等开放本体中构建肺癌特异性知识图谱。基于DrugBank 5.1.13,他们提出了一个包含五个阳性相互作用类别和一个阴性类别的简化DDI分类法。随后,研究人员采用监督学习框架,训练了基于路径的BLGPA方法(使用随机森林分类器)、两种知识图谱嵌入模型(TransE、HoLE)以及一种关系图卷积网络(relational graph convolutional network, RGCN),进行多类链接预测。结果显示,图嵌入模型在宏观F1-score上显著优于其他方法,但计算成本高且可解释性有限;BLGPA预测性能较低但具有天然的可解释性;RGCN在多数类别上表现较差。排除阴性类别后,所有模型的F1-score约提升两倍。该研究还提供了一份DrugBank中未记录的新型DDI预测列表,并通过特征重要性分析对路径方法的可解释性进行了初步探索。

三、主要技术方法
研究人员利用SemRep从MeSH描述符D008175(Lung Neoplasms)筛选的文献中抽取语义三元组,结合本体层次关系,构建了包含375,707个节点和17,904,708条关系的知识图谱。DDI监督标签来自DrugBank中肺癌相关药物对。BLGPA提取药物对间长度≤3的路径,将35种关系类型编码为105维二元特征并求和,输入随机森林分类器。TransE和HoLE使用Pykeen库训练100维嵌入,再由随机森林分类。RGCN使用PyTorch Geometric实现,将头尾实体嵌入拼接后经多层感知机解码为各类概率。实验采用外层10折交叉验证和内层5折交叉验证进行模型选择和超参数搜索,并通过随机下采样和SMOTE上采样处理类别不平衡。评估指标为各类别的精确率、召回率和F1-score。

四、研究结果
4.4 Results:图4显示,在包含负类的实验中,HoLE和TransE的平均宏观F1-score明显高于BLGPA和RGCN;超参数调优和类别平衡策略提高了所有模型的性能,其中BLGPA提升最大。采用递归特征消除(recursive feature elimination, RFE)后,BLGPA的F1-score额外提升约1%。图5的每类F1-score显示,RGCN在所有类别上均落后于其他模型,类别4(“血清浓度可增加”)对所有模型最难学习。
4.6 Statistical comparison:重复测量方差分析(repeated-measures ANOVA)和Friedman检验确认,模型选择在所有实验条件下均显著影响分类性能;事后配对t检验和Wilcoxon符号秩检验显示,BLGPA显著低于HoLE和TransE,而HoLE与TransE之间无显著差异。
4.7 Computational efficiency:10折交叉验证下,图嵌入模型和RGCN在GPU服务器上均需超过24小时;BLGPA的路径检索平均开销为0.83秒/药物对,总计约19.45小时,随机森林训练约1–2小时,因此BLGPA在整体计算效率上更优。
4.8 BLGPA explainability:BLGPA的特征可映射回知识图谱中药物对间的具体路径,最重要的10个特征与路径末端关系(“rel3”)相关,包括药物用于治疗、药物干扰其他物质效应、药物共同提及以及作为MeSH主题等。利用该模型,研究人员生成了DrugBank中未记录的新型DDI预测列表,供未来验证。
4.9 Limitations:知识图谱构建过程存在命名实体识别和语义提取噪声;类别不平衡严重,虽经采样处理仍影响正向类别区分;BLGPA的特征重要性不能完全等同于局部可解释性,未来可采用SHAP或LIME等方法生成局部解释。

五、总结讨论
4.5 Discussion指出,图嵌入模型能有效捕获药物间的语义关系并获得强预测性能,但代价是高计算开销和有限的可解释性;路径分析方法预测性能较低但透明度高,适合需要解释的DDI预测;图神经网络模型在多类设定下无法达到有竞争力的性能,表明将相互作用解码为多个类别会显著削弱其能力。整体而言,预测性能、计算效率与可解释性之间存在权衡。

六、研究结论翻译
研究人员提出的基准评估框架评估了一系列用于识别多种类型药物-药物相互作用的知识图谱链接预测方法,特别强调模型可解释性。结果揭示了预测性能与计算效率之间的权衡。具体而言,图嵌入方法有效捕获了药物之间的语义关系并实现了较强的预测性能;然而,它们伴随着大量的计算成本和有限的可解释性。相比之下,基于路径的方法在各种相互作用类别中始终表现出较低的预测性能,但提供了优越的可解释性,使其特别适合可解释的DDI预测。最后,图神经网络模型在所评估的多类设定下未能取得有竞争力的性能,表明将相互作用解码为多个类别相对于二分类会显著降低其预测能力。未来研究将集中于开发一个整合二分类方法与本研究多类模型的端到端系统;结合领域专家意见完善DDI类型定义;并将该方法推广到其他疾病领域以评估其泛化性和稳健性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号