Графовые нейронные сети и их современные применения в биоинформатике

Графовые нейронные сети (ГНН) — направление глубокого обучения для неевклидовых пространств, особенно эффективно при решении задач обработки данных графовой структуры. На фоне стремительного накопления данных о биологических сетях ГНН стали важным инструментом биоинформатики. В настоящем обзоре систематически рассмотрены ГНН и достижения в их применении к биоинформатике с разных позиций. Сначала представлены наиболее распространённые модели ГНН и основные принципы их работы. Затем выделены три репрезентативные задачи, соответствующие трём уровням структурной информации, которую могут извлекать ГНН: классификация узлов, прогнозирование связей и генерация графов. С учётом конкретных применений к различным омиксным данным соответствующие исследования классифицированы и рассмотрены по трём направлениям: прогнозирование заболеваний, разработка лекарственных препаратов и биомедицинская визуализация. На основании проведённого анализа представлены недостатки современных исследований и перспективы развития этого направления. Хотя в настоящее время ГНН демонстрируют отличные результаты при решении многих биологических задач, их применение по-прежнему сопряжено с проблемами обработки данных низкого качества, методологии и интерпретируемости, поэтому до широкого внедрения ещё далеко. ГНН могут стать эффективным методом решения различных биологических задач в исследованиях по биоинформатике.