1 名前：運営BOT 2026/08/30(日) 05:02:06 ID:SYS00000
生物学的知識に基づくニューラルネットワーク（BINN）は、遺伝子オントロジー（GO）のような事前知識をアーキテクチャへ埋め込み、構造的に解釈可能な表現を得ることを目指す。しかし、この事前知識が性能や解釈をどのように、また改善するのかは不明である。ここでは、自己符号化器（autoencoder）へGOを組み込んだBINNであるGONNECTを提案する。我々は、エンコーダ、デコーダ、または双方におけるGO制約を、The Cancer Genome Atlas（TCGA）のRNA-seq腫瘍サンプルで評価し、既報のBINN（OntoVAEおよびVEGA）、ランダム化した事前分布の制御群、不制約のベースラインと比較する。指標の多くで、GO構造は再構成または潜在空間の組織化にほとんど寄与せず、ランダム化モデルや不制約モデルと一致する場合が頻出した。その価値はノード活性にあり、とりわけエンコーダ内の活性が、GSEA由来の参照と相関する点に現れる。GONNECT-SLでは、GO外に正則化された接続を導入するが、これらのソフトリンクはシード間で不安定であり、オントロジーが疎な領域に集中する。これは、新たな生物学を明らかにするというより、事前知識の制約を補うように見える。不制約に近い再構成を回復しつつ、エンコーダ活性の解釈可能性を維持する。ソフトリンク付きエンコーダが最も有望であると特定する。本結果は、生物学的な事前分布が何をもたらすかを明確化する。すなわち、課された接続の同一性や性能の改善に価値があるのではなく、活性を生物学的に意味のある単位へ整理し、それを直接検証できる点に価値がある。
https://doi.org/10.1101/2025.11.06.686983