具有局部和全局注意力机制的图注意力网络学习单样本组学数据表征

来源：吉林大学学报·理学版杂志2023年第6期北京时间：

作者：周丰丰, 张金楷

单位：1. 吉林大学 计算机科学与技术学院, 长春 130012； 2. 吉林大学 符号计算与知识工程教育部重点实验室, 长春 130012

摘要：针对生物组学数据中基因数目远大于样本数目的高维“大p小n”问题, 提出一种具有局部和全局注意力机制的图注意力网络GATOr.该模型首先在组学数据上利用Pearson相关系数计算特征之间的相关性, 构建组学数据的单样本网络； 然后提出一种结合局部和全局注意力机制的图注意力网络从单样本网络中学习基于图的组学特征表示, 从而将组学数据的高维特性转化为低维表示. 实验结果表明, GATOr与其他传统分类算法相比, 在分类任务的准确率及其他指标上均取得了较优性能.

关键词：组学数据,单样本网络,注意力机制,图注意力网络