技术实现与细节

基于反绎学习和基因知识库的基因表达预测的技术实现与细节

---

EGOAL模型的技术方案主要包括数据集的构建和机器学习模型的训练、评估。在机器学习模型的训练中，本项目采取两种不同技术路线进行尝试，分别为：基于知识表示嵌入（Embedding）技术，直接基于包含知识信息的向量，构建基于传统机器学习的参考模型；通过对GO知识本体进行简单处理，保留其知识结构，构建融合知识推理和机器学习的反绎学习模型。

EGOAL模型的技术实现主要由以下部分组成：

1.构建数据集

从GEO数据库[10]和文献中收集希瓦氏菌的基因表达数据，对其表达数值进行统一，并将对实验条件的自然语言描述转换为结构化表示的知识。

2.知识表示的嵌入（Embedding）方法与构建参考模型

使用Owl2vec*工具包[11]，将数据样本输入的知识表示转换为实数空间中的向量。并直接以嵌入得到的向量作为输入，通过神经网络模型预测基因表达水平。

3.对知识图谱进行处理，得到规则集合

从知识图谱中提取子图，去除无关部分；将知识图谱中的RDF三元组转换为一阶逻辑公式；并进一步化简规则集合，去除无关的知识类。

4.基于反绎学习方法，构建机器学习与知识推理融合模型

基于随机森林算法构建机器学习模型，同时基于ABLkit工具包实现知识推理[12]，并将二者结合。将预测任务进行拆分后，通过反绎学习训练得到EGOAL模型。

---