HetNetEX: Exact Asymptotic Inference in Heterogeneous Biomedical Knowledge Graphs

HetNetEX: हेट्रोजेनियस बायोमेडिकल नॉलेज ग्राफ्स में सटीक एसिम्प्टोटिक इन्फरेंस (Exact Asymptotic Inference)

समस्या विवरण (Problem Statement)

हेट्रोजेनियस बायोमेडिकल नॉलेज नेटवर्क (hetnets), जैसे कि Hetionet, जैविक संबंधों को मॉडल करने के लिए विविध डेटा प्रकारों (ड्रग्स, जींस, बीमारियाँ, पाथवे) को एकीकृत करते हैं। एक विशिष्ट अनुक्रम (metapath) के साथ स्रोत (source) और लक्ष्य (target) नोड के बीच कनेक्टिविटी की सार्थकता का आकलन करने के लिए एक मानक मीट्रिक डिग्री-वेटेड पाथ काउंट (DWPC) है। DWPC कनेक्शन की मजबूती को मापता है और व्यवस्थित परीक्षणों (systematic assays) और साहित्य क्यूरेशन से उत्पन्न होने वाले पूर्वाग्रहों को कम करने के लिए उच्च-डिग्री वाले "हब" नोड्स से गुजरने वाले पथों को कम महत्व देता है।

यह निर्धारित करने के लिए कि क्या एक देखे गए DWPC सांख्यिकीय रूप से महत्वपूर्ण है, शोधकर्ता वर्तमान में XSwap पर निर्भर करते हैं, जो एक परम्यूटेशन-आधारित विधि है जो डिग्री-संरक्षण वाले रैंडम ग्राफ बनाने के लिए उपयोग की जाती है। हालांकि प्रभावी होने के बावजूद, बड़े पैमाने के ग्राफों में XSwap चार महत्वपूर्ण बाधाओं का सामना करता है:

1. सीमित रिज़ॉल्यूशन (Finite Resolution): अनुभवजन्य (empirical) $p$-मान परम्यूटेशन की संख्या ($P$) द्वारा सीमित होते हैं, जो एक "रिज़ॉल्यूशन सीलिंग" (जैसे, $1/(P+1)$) बनाता है, जो अत्यधिक महत्वपूर्ण जोड़ियों के बीच अंतर करने से रोकता है।
2. कंप्यूटेशनल लागत (Computational Cost): इसका रनटाइम किनारों की संख्या और परम्यूटेशन की संख्या ($O(P \cdot m \cdot L)$) के साथ रैखिक रूप से बढ़ता है, जिससे लंबे मेटापाथ ($L \ge 5$) कम्प्यूटेशनल रूप से निषेध योग्य हो जाते हैं (उदाहरण के लिए, $L=8$ के लिए वर्षों का समय लगता है)।
3. वैरिएंस मॉडल मिसमैच (Variance Model Mismatch): XSwap एक गामा-हर्डल मॉडल (gamma-hurdle model) को फिट करता है जो द्विघात वैरिएंस ($Var \propto \mu^2$) का संकेत देता है, जो कॉन्फ़िगरेशन मॉडल के रैखिक वैरिएंस स्ट्रक्चर ($Var \propto \mu$) से भिन्न है। यह उच्च-डिग्री वाले हब्स के लिए रूढ़िवादी (conservative) अनुमान और कम-डिग्री वाली जोड़ियों के लिए गैर-रूढ़िवादी (anti-conservative) अनुमानों की ओर ले जाता है।
4. सैंपलिंग नॉइज़ (Sampling Noise): उच्च-डिग्री वाली जोड़ियों में परम्यूटेशन टेस्ट के दौरान बड़े सैंपलिंग एरर दिखाई देते हैं क्योंकि उनके नल (null) वितरण व्यापक होते हैं, जिसके लिए पूंछ (tails) का सटीक चित्रण करने के लिए अव्यावहारिक सैंपल साइज की आवश्यकता होती है।

कार्यप्रणाली: HetNetEX

लेखक HetNetEX (Heterogeneous Network EXact inference) प्रस्तुत करते हैं, जो एक विश्लेषणात्मक दृष्टिकोण है जो परम्यूटेशन की आवश्यकता को समाप्त करते हुए सीधे डिग्री सीक्वेंसों से 'नल DWPC' वितरण की गणना करता है।

मुख्य सैद्धांतिक ढांचा (Core Theoretical Framework):

• कॉन्फ़िगरेशन मॉडल धारणा (Configuration Model Assumption): नल ग्राफ एक समान हाफ-एज मैचिंग (uniform half-edge matching) से लिया गया है जो नोड डिग्री को सुरक्षित रखता है, जो XSwap का लक्ष्य भी है।
• विश्लेषणात्मक माध्य ($\mu$): अपेक्षित नल DWPC को नोड डिग्री और एज काउंट पर आधारित रैंक-1 मैट्रिसेस के उत्पाद के रूप में क्लोज्ड फॉर्म में प्राप्त किया जाता है। यह $O(Ln)$समय में गणना करने की अनुमति देता है, जहाँ$L$पाथ की लंबाई और$n$ नोड्स की संख्या है।
• ओवरडिस्पर्शन ($\kappa$): लेखक एक वैरिएंस फॉर्मूला $Var(Y) \approx (1 + \kappa)\mu$ प्राप्त करते हैं। $\kappa$ शब्द उन पथों के बीच सकारात्मक सहसंबंध (positive correlation) को दर्शाता है जो मध्यवर्ती नोड्स साझा करते हैं (एक ऐसी निर्भरता जिसे सरल एज-प्रायर मॉडल द्वारा अनदेखा कर दिया जाता है)। इसके परिणामस्वरूप एक रैखिक वैरिएंस मॉडल मिलता है न कि वह द्विघात रूप जो गामा-हर्डल फिट में होता है।
• वितरण सिद्धांत (Distributional Theory):
  • छोटे पथों ($L \le 3$) के लिए जहाँ $\mu$ छोटा है, नल वितरण एक पॉइसन (Poisson) वितरण का पालन करता है।
  • लंबे पथों ($L \ge 4$) के लिए जहाँ $\mu$ बड़ा है, सेंट्रल लिमिट थ्योरम (CLT) के माध्यम से वितरण एक नॉर्मल (Normal) वितरण में अभिसरित (converge) होता है।
• तुल्यता प्रमाण (Equivalence Proof): पेपर यह सिद्ध करता है कि जैसे-जैसे परम्यूटेशन की संख्या $P \to \infty$ होती है, XSwap का अनुभवजन्य वितरण HetNetEX द्वारा व्युत्पन्न विश्लेषणात्मक वितरण में परिवर्तित हो जाता है। अतः, परिमित $P$ पर कोई भी असहमति, सैंपलिंग नॉइज़ के कारण है, न कि व्यवस्थित पूर्वाग्रह के कारण।

एल्गोरिदम:
HetNetEX प्रत्येक स्रोत-लक्ष्य जोड़ी के लिए $\mu$ और $\kappa$ की गणना करने के लिए डिग्री सीक्वेंस और हेटेरोजेनिटी रेश्यो को प्रोसेस करता है। इसके बाद, यह $\mu < 10$ के लिए पॉइसन CDF (या $\mu \ge 10$ के लिए नॉर्मल CDF) का उपयोग करके टेल प्रोबेबिलिटी ($p$-value) का मूल्यांकन करता है।

प्रमुख योगदान (Key Contributions)

1. क्लोज्ड-फॉर्म फॉर्मुला: अपेक्षित नल माध्य ($\mu$) और ओवरडिस्पर्शन ($\kappa$) का $O(Ln)$ समय में व्युत्पत्ति।
2. वितरण सिद्धांत: पाथ लेंथ और मीन काउंट के आधार पर DWPC नल वितरण के लिए पॉइसन और नॉर्मल व्यवस्था की स्थापना।
3. सैद्धांतिक तुल्यता: यह प्रमाण कि HetNetEX उसी स्टेशनरी डिस्ट्रीब्यूशन को लक्षित करता है जो XSwap करता है, जो विश्लेषणात्मक दृष्टिकोण को परम्यूटेशन टेस्टिंग की एसिम्प्टोटिक लिमिट के रूप में मान्य करता है।
4. अनुभवजन्य सत्यापन: यह प्रदर्शन कि HetNetEX, XSwap रैंकिंग के साथ उच्च सहमति ($\rho > 0.96$) प्रदान करता है जबकि बेहतर रिज़ॉल्यूशन और गति भी देता है।

परिणाम (Results)

• सहमति (Concordance): $L=1$ से $4$तक के पाथ लेंथ के लिए$P=200$ परम्यूटेशन के सिमुलेशन में, HetNetEX की रैंकिंग ने XSwap के साथ स्पीयरमैन सहसंबंध ($\rho$) $> 0.96$ दिखाया। सहमति $L=3$ ($\rho = 0.999$) पर चरम पर थी।
• गति (Speedup): HetNetEX, XSwap की तुलना में कई गुना तेज़ है। $L=4$ के लिए, स्पीडअप $\sim 40,000\times$ है; $L=8$ के लिए, यह $\sim 1.3$ बिलियन गुना तक पहुँच जाता है (रनटाइम को वर्षों से घटाकर $<0.1$ सेकंड कर देता है)।
• रिज़ॉल्यूशन: XSwap के विपरीत, जो उच्च-डिग्री जोड़ियों के लिए एक रिज़ॉल्यूशन फ्लोर (जैसे, $p=0.005$) पर टकरा जाता है जहाँ सभी 200 परम्यूटेशन कम मान प्रदान करते हैं, HetNetEX स्पष्ट, विश्लेषणात्मक रूप से व्युत्पन्न $p$-मान प्रदान करता है जो कई ऑर्डर्स ऑफ मैग्नीट्यूड (जैसे, $10^{-3}$ से $10^{-6}$) तक फैले होते हैं। यह उन अत्यधिक महत्वपूर्ण हब-मध्यस्थ कनेक्शनों की रैंकिंग करने की अनुमति देता जो अन्यथा आपस में जुड़ (tied) जाते।
• त्रुटि विश्लेषण (Error Analysis): उच्च-डिग्री वाली जोड़ियों ने $L=3$ पर X-स्वैप में काफी बड़े सापेक्ष त्रुटि (relative error) दिखाए (कम-डिग्री जोड़ियों की तुलना में $5.6\times$ अधिक), क्योंकि उनके नल वितरण व्यापक थे और सैंपलिंग सीमित थी। HetNetEX इस सैंपलिंग एरर को समाप्त करता है।

महत्व और दावे (Significance and Claims)

पेपर HetNetEX को 'नल हाइपोथीसिस' के प्रतिस्थापन के रूप में नहीं, बल्कि इन्फरेंस के लिए एक बेहतर कंप्यूटेशनल इंजन के रूप में स्थापित करता है।

• सटीक एसिम्प्टोटिक इन्फरेंस: HetNetEX परिमित-नमूना परम्यूटेशन में निहित रिज़ॉल्यूशन सीलिंग के बिना "एसिम्प्टोटिक रूप से सटीक" $p$-मान प्रदान करता है।
• स्केलेबिलिटी: यह वास्तविक समय के प्रश्नों और जीनोम-स्केल फॉल्स डिस्कवरी रेट (FDR) नियंत्रण (जिसके लिए $p < 10^{-6}$ की आवश्यकता होती है) को सक्षम बनाता है जो वर्तमान में परम्यूटेशन विधियों के साथ असंभव है।
• लॉन्ग-पाथ एक्सप्लोरेशन: यह जैविक रूप से सार्थक लंबे मेटापाथ ($L \ge 5$) को कम्प्यूटेशनल रूप से व्यवहार्य बनाता है, जो जटिल जैविक नेटवर्क में तर्क करने के नए रास्ते खोलता है।
• ड्रॉप-इन रिप्लेसमेंट: HetNetEX को XSwap के 'ड्रॉप-इन रिप्लेसमेंट' के रूप में डिज़ाइन किया गया है, जो समान आउटपुट फॉर्मेट ($p$-मानों के लिए DWPC) प्रदान करता है और डाउनस्ट्रीम विश्लेषण पाइपलाइनों में किसी भी बदलाव की आवश्यकता नहीं होती है।

लेखक निष्कर्ष निकालते हैं कि जबकि X-स्वैप कम-से-मध्यम डिग्री वाली जोड़ियों के लिए विश्वसनीय बना हुआ है, उच्च-डिग्री वाले हब कनेक्शन की सार्थकता को हल करने और बड़े हेट्रोजेनियस नेटवर्क में लंबे पाथ लेंथ तक स्केल करने के लिए विश्लेषणात्मक इन्फरेंस आवश्यक है।