XG-PUL: A Network-Based Framework for Disease Gene Prioritization Using Graph Representation Learning and Positive-Unlabeled Learning
Het artikel stelt XG-PUL voor, een robuust machine learning-framework dat Node2Vec-gebaseerde grafiekrepresentatieleer combineert met een bagging-gebaseerde positive-unlabeled classifier om effectief ziektegeassocieerde genen te prioriteren door de uitdaging van labelonzekerheid in biologische netwerken aan te pakken.