HyMM: Hybrid method for disease-gene prediction by integrating multiscale module structures
Notice bibliographique
Résumé
Abstract Motivation Identifying disease-related genes is important for the study of human complex diseases. Module structures or community structures are ubiquitous in biological networks. Although the modular nature of human diseases can provide useful insights, the mining of information hidden in multiscale module structures has received less attention in disease-gene prediction. Results We propose a hybrid method, HyMM, to predict disease-related genes more effectively by integrating the information from multiscale module structures. HyMM consists of three key steps: extraction of multiscale modules, gene rankings based on multiscale modules and integration of multiple gene rankings. The statistical analysis of multiscale modules extracted by three multiscale-module-decomposition algorithms (MO, AS and HC) shows that the functional consistency of the modules gradually improves as the resolution increases. This suggests the existence of different levels of functional relationships in the multiscale modules, which may help reveal disease-gene associations. We display the effectiveness of multiscale module information in the disease-gene prediction and confirm the excellent performance of HyMM by 5-fold cross-validation and independent test. Specifically, HyMM with MO can more effectively enhance the ability of disease-gene prediction; HyMM (MO, RWR) and HyMM (MO, RWRH) are especially preferred due to their excellent comprehensive performance, and HyMM (AS, RWRH) is also good choice due to its local performance. We anticipate that this work could provide useful insights for disease-module analysis and disease-gene prediction based on multi-scale module structures. Availability https://github.com/xiangiu0208/HvMM Contact limin@mail.csu.edu.cn Supplementary information Supplementary data are available at Bioinformatics online.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».