图卷积神经网络在组学数据分类预测中的应用
图卷积神经网络在组学数据分类预测中的应用
复制标题
DOI：
10.3969/j.issn.1002-3674.2021.04.012
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
李康
中科院分区：
文献类型：
--
作者：
张刘超;荣志炜;赵薇薇;李康
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。