Graf Sinir Ağları (GNN) Nedir ve Ne Zaman Kullanılır?

VARIANT-GNN projesini geliştirirken sıkça şu soruyla karşılaştım: "Neden sinir ağını zaten biliyoruz, grafı ne işe yarıyor?" Bu yazı o soruya yanıt.

Klasik Veri ile Graf Verisi Farkı#

Klasik makine öğrenmesi modellerini düşünün. Bir tablonuz var: her satır bir örnek, her sütun bir özellik. Model bu satırları bağımsız görür.

Ama bazı veriler doğası gereği birbirine bağlıdır:

• ›Sosyal ağlar (kim kimle arkadaş?)
• ›Molekül yapıları (atomlar arası bağlar)
• ›Genomik etkileşimler (hangi gen hangi proteini etkiler?)

Bu tür verilerde ilişki bilgisi, örnek bilgisi kadar önemlidir. Graf yapısı tam da bunu yakalar.

Graf Nedir?#

Bir graf iki bileşenden oluşur:

• ›Düğümler (Nodes): Varlıklar (gen, atom, kullanıcı)
• ›Kenarlar (Edges): İlişkiler (bağ, etkileşim, arkadaşlık)

Her düğümün özellikleri vardır (feature vector). GNN bu özellikleri komşularla iteratif olarak birleştirir.

Mesaj Geçişi Mekanizması#

GNN'nin temel prensibi şudur: her düğüm, komşularından mesaj alır, bu mesajları birleştirir ve kendi temsilini günceller. Bunu birkaç tur (layer) boyunca tekrarlar.

h_v^(k) = UPDATE(h_v^(k-1), AGG({h_u^(k-1) : u ∈ N(v)}))

Yeterli tur sonunda her düğüm, yerel yapısının bir temsilini öğrenmiş olur.

Genomik Veride Neden GNN?#

ClinVar'daki her genetik varyant izole değildir. Aynı gendeki başka varyantlarla, ilgili genlerle, protein etkileşim ağlarıyla bağlantılıdır. Bu bağlantıları tabloya sığdıramazsınız — ama grafa sığdırırsınız.

VARIANT-GNN'de PyTorch Geometric kullandık. Her varyant bir düğüm, biyolojik ilişkiler kenar. Model bu yapıyı öğrenerek patojenite tahmini yapıyor.

Ne Zaman GNN Kullanmalısınız?#

GNN doğru seçimdir eğer:

1. 1.Verinizdeki ilişkiler (kenarlar) bilgi taşıyorsa
2. 2.Bir örneğin çıktısı komşularına bağlıysa
3. 3.Veri doğal olarak ağ/graf yapısındaysa

Tablo verisi için genellikle XGBoost veya klasik DNN daha iyi sonuç verir — GNN'e gerek yoktur.