Input-Output Kernel Regression applied to protein-protein interaction network inferenc

Abstract

[EN] The study of protein-protein interaction networks has received a lot of attention by the research community lately. However, the experimental studies to reconstruct this kind of structures are expensive. Consequently, several machine learning approaches have been developed that automatically infer PPI networks. In this work I present the implementation and analysis of the Input-Output Kernel Regression (IOKR) developed by [9, 10] to compute the inference using various experimental data sets. IOKR is based on the learning of an output kernel that let us apply regression models on a feature space where we can compute the similarity of pairs of proteins to infer the existence of interactions. Furthermore, this approach extends the Kernel Ridge Regression to a semi-supervised approach where the inference turns into a matrix completion. The Multiple Kernel Learning is applied on the input side to deal with the different data sources. Finally, I compare the performance of the implementation with other supervised approaches for the inference of PPI networks.

[ES] El estudio de las redes de interacción de proteínas ha recibido una gran atención por parte de la comunidad investigadora en los últimos años. Sin embargo, los estudios experimentales para la reconstrucción de este tipo de estructures son caros. Consecuentemente, varios métodos de aprendizaje automático para inferir redes de interacción de proteínas han sido desarrollados. En este trabajo presento la implementación y el análisis del Input-Output Kernel Regression (IOKR) desarrollado por [9, 10] para llevar a cabo la inferencia utilizando varios conjuntos de datos experimentales. IORK está basado en el aprendizaje de un kernel de salida que nos permita aplicar modelos de regresión en un espacio de características donde podemos calcular la similitud de pares de proteínas para inferir la existencia de interacción. Además, esta aproximación extiende el Kernel Ridge Regression a una aproximación semi-supervisada donde la inferencia se convierte en completar una red. La técnica de aprendizaje de múltiples kernels es aplicada en los datos de entrada para tratar las diferentes fuentes de datos. Finalmente, comparo el rendimiento de la implementación con otras aproximaciones supervisadas para la inferencia de redes de interacción de proteínas.