Uncertainty-aware graph representation learning with positive-unlabeled classification for biomarker discovery in peripheral artery disease
تقدم هذه الورقة إطار عمل لتعلم التمثيل البياني المدرك لعدم اليقين يدمج التصنيف الإيجابي-غير المحدد وطرق التجميع لإعطاء الأولوية للمؤشرات الحيوية الجديدة والمعايرة جيداً لمرض الشرايين المحيطية، مما يظهر أداءً تنبؤياً متفوقاً وأهمية بيولوجية مقارنة بالنماذج المرجعية الحالية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
تخيل مرض الشريان المحيطي (PAD) كمدينة ضخمة من الطرق المتشابكة (أوعيتنا الدموية) حيث بعض الشوارع مسدودة، لكن ليس لدينا خريطة كاملة لسبب هذا الانسداد. يعرف العلماء بعض الجناة الرئيسيين (البروتينات "الإيجابية")، ولكن بالنسبة لمعظم أجزاء المدينة، فإن تقارير حركة المرور مفقودة أو غير مكتملة. وهذا يجعل من الصعب جداً العثور على أدلة جديدة لإصلاح المشكلة.
معظم برامج الكمبيوتر التي تحاول حل هذه المشكلة تشبه المرشدين السياحيين المفرطين في الثقة. فهم يشيرون إلى مبنى عشوائي ويقولون: "هذا بالتأكيد هو المشكلة!" دون الاعتراف بأنهم قد يكونون في حالة تخمين. هم لا يعرفون متى يكونون غير متأكدين، وغالباً ما يفتقدون المباني الجديدة والغريبة التي لا تشبه تلك التي رأوها من قبل.
النهج الجديد: محقق حذر يحمل كرة بلورية
قام الباحثون في هذه الورقة البحثية ببناء نظام أذكى، يشبه محققاً حذراً يحمل "مقياس ثقة" و"راداراً للاكتشاف". إليك كيف فعلوا ذلك:
- رسم خريطة المدينة (تعلم الرسوم البيانية): أولاً، استخدموا نوعاً خاصاً من الذكاء الاصطناعي (شبكة عصبية رسومية) لإنشاء خريطة ثلاثية الأبعاد لكيفية اتصال جميع البروتينات في الجسم ببعضها البعض. فكر في الأمر كأنك ترسم خريطة مترو الأنفاق حيث تمثل المسافة بين المحطات مدى قرب العلاقة بين البروتينات المختلفة.
- فريق "نعم، ربما، لا" (التنبؤ الجماعي): بدلاً من الاعتماد على محقق واحد، استعانوا بفريق كامل من الخبراء المختلفين (خمسة مصنفات مختلفة) وطلبوا منهم التصويت. كما علموا هؤلاء الخبراء أن يقولوا "لست متأكداً" عندما تكون البيانات غامضة. هذا أوجد "مقياس ثقة" يخبرنا بمدى تأكد النظام من إجابته.
- السلتان (عدم اليقين والجدة): قام النظام بفرز الأدلة المحتملة إلى كومتين:
- "الرهانات الآمنة": وهي المرشحات التي تبدو مشابهة جداً للمتسببين المعروفين في المشاكل. النظام واثق جداً بشأن هذه المرشحات.
- "الاكتشافات الجديدة": وهي المرشحات التي تعيش في أجزاء غريبة وغير مستكشفة من الخريطة. يقوم النظام بتمييزها كـ "جديدة بنيوياً" لأنها لا تتناسب مع الأنماط المعتادة، مما يشير إلى أنها قد تكون أنواعاً جديدة من الجناة لم نفكر فيها بعد.
ما وجدوه
اختبر الفريق هذا النظام ووجدوا أنه أفضل بكثير من الطرق القديمة. بينما كان المرشدون القدامى "المفرطون في الثقة" على صواب بنسبة 82% من الوقت، كان هذا الفريق الجديد على صواب بنسبة 92% من الوقت.
- الرهانات الآمنة: البروتينات التي كان النظام أكثر ثقة بشأنها تجمعت مع بروتينات الـ PAD المعروفة. كانت مشاركة في مهام مألوفة مثل بناء جدران الطرق (المصفوفة خارج الخلية) وإدارة تجلط الدم (التجلط).
- الاكتشافات الجديدة: المرشحات "الجديدة" عاشت في أحياء مختلفة على الخريطة. كانت مرتبطة بأنواع مختلفة من التحكم في حركة المرور، مثل إشارات الخلايا واستجابات الجهاز المناعي (مستقبلات البروتين G المقترلة ومسارات NF-kappaB).
الخلاصة
من خلال تعليم الكمبيوتر الاعتراف بعدم تأكده والبحث عن الأشياء المختلفة عن المعتاد، نجح الباحثون في تحديد 100 مؤشر حيوي جديد محتمل لمرض الشريان المحيطي (PAD). لقد أثبتوا أن دمج "الثقة" مع "الفضول" يساعد العلماء في العثور على كل من المشتبه بهم الواضحين والمخفيين، مما يؤدي إلى صورة أكثر وضوحاً للمرض.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.