图卷积神经网络在组学数据分类预测中的应用

摘要：

目的 探讨图卷积神经网络(graph convolutional neural network,GCNN)利用PPI网络对组学数据的分类预测效能.方法 通过模拟实验和实例研究,对GCNN、随机森林、支持向量机和多层感知机共四种方法的分类效果进行比较.结果 模拟实验结果显示,即便在样本量和网络中节点数量较少时,GCNN的分类效能也明显优于其他三种方法,并且随着节点数量的增加而不断提高.实例研究表明,利用STRING网络,GCNN的分类效能最优.结论 GCNN在组学数据的研究中极具潜力,值得进一步研究.

关键词：图卷积神经网络;深度学习;高维组学;分类预测

所属期刊栏目：38

分类号：R195.1(保健组织与事业（卫生事业管理）)

资助基金：国家自然科学基金81973149;81773551

在线出版日期：2021-10-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：533-535