Predicción de enlaces en redes biomédicas mediante redes neuronales gráficas

Abstract

Las redes biomédicas modelan relaciones complejas entre entidades biológicas, presentando desafíos para su análisis y comprensión. En un contexto en el que la capacidad de las técnicas tradicionales presenta limitaciones de precisión y capacidad, las redes neuronales de grafos (GNN) ofrecen una alternativa esperanzadora para hacer frente a estos desafíos. El problema a tratar será la predicción de enlaces entre diferentes entidades biológicas, como proteínas, para las que es complicado poder llegar a conocer todas las posibles interacciones mediante experimentos de laboratorio. Por lo tanto, en este trabajo se tratará de codificar grafos mediante técnicas de aprendizaje profundo, convoluciones y transformaciones no lineales para poder establecer posibles conexiones que se desconocen actualmente. Con el objetivo de conseguir unos buenos resultados para ambos conjuntos de datos, se pondrán a prueba diferentes arquitecturas de redes neuronales, cambiando los valores de ciertos parámetros clave mientras se analiza su capacidad de generalización para así seleccionar un modelo fiable.