外觀
Deep Learning › 表示學習 › 圖神經網路
圖神經網路 (Graph Neural Networks, GNN)
很多生物資料天然是圖:分子(原子 = 節點、化學鍵 = 邊)、蛋白質交互作用 (PPI) 網路、基因調控網路、空間轉錄體中相鄰的細胞。GNN 讓每個節點反覆從鄰居收集資訊,學到同時反映自身特徵與圖結構的表示。
古典網路指標(中心性、社群偵測)見 網路分析;那些方法不需訓練,常是 GNN 前該先做的 baseline。
圖的表示
| 元素 | 符號 | shape | 例子(分子) |
|---|---|---|---|
| 節點特徵 | (N 節點, F) | 原子種類、電荷 | |
| 邊 | edge_index | (2, E),每欄一條邊(來源, 目標) | 化學鍵 |
| 邊特徵(可選) | edge_attr | (E, F_e) | 單鍵 / 雙鍵 |
| 標籤 | 每節點、每邊或每張圖 | 毒性、溶解度 |
圖的節點沒有固定順序,所以不能直接把鄰接矩陣攤平丟進 MLP:同一張圖換個節點編號就變成不同輸入。GNN 的運算對節點順序是不變的 (permutation invariant)。
訊息傳遞 (Message Passing)
每一層,每個節點:
text
1. 收集:從每個鄰居 u 取得訊息 m = φ(h_u)
2. 彙整:對所有鄰居訊息做順序無關的聚合(sum / mean / max)
3. 更新:h_v ← ψ(h_v, 彙整結果)疊 k 層後,每個節點的表示包含 k 步以內的鄰居資訊(類似 CNN 的感受野)。
| 模型 | 聚合方式 | 特點 |
|---|---|---|
| GCN | 依度數正規化的鄰居平均: | 簡單、強 baseline; |
| GraphSAGE | 抽樣部分鄰居再聚合 | 可擴展到大圖、可處理新節點 (inductive) |
| GAT | 用 attention 學每個鄰居的權重 | 鄰居重要性不同時 |
| GIN | sum 聚合 + MLP | 分辨圖結構的能力最強,圖層級任務常用 |
| 圖 Transformer | 所有節點互相 attention + 結構編碼 | 大型分子模型 |
三種任務
| 層級 | 輸出 | 生資例子 | 關鍵 |
|---|---|---|---|
| 節點 | 每個節點一個預測 | PPI 網路中預測基因功能 / 疾病基因;空間轉錄體細胞類型 | 同一張大圖切 train / val 節點 |
| 邊(連結預測) | 兩節點間是否有邊 | 預測新的交互作用、藥物–標靶、藥物再利用 | 留出部分邊當測試 |
| 圖 | 每張圖一個預測 | 分子性質(毒性、溶解度、結合親和力) | 需要 readout(全域 pooling) |
PyTorch Geometric 範例
python
import torch
import torch.nn.functional as F
from torch_geometric.data import Data
from torch_geometric.nn import GCNConv, global_mean_pool
# 一張 4 節點的無向圖:每條邊兩個方向都要列
edge_index = torch.tensor([[0, 1, 1, 2, 2, 3],
[1, 0, 2, 1, 3, 2]])
data = Data(x=torch.randn(4, 16), edge_index=edge_index)
class GCN(torch.nn.Module):
def __init__(self, f_in, hidden, n_out):
super().__init__()
self.conv1, self.conv2 = GCNConv(f_in, hidden), GCNConv(hidden, hidden)
self.head = torch.nn.Linear(hidden, n_out)
def forward(self, x, edge_index, batch=None):
x = F.relu(self.conv1(x, edge_index))
x = F.dropout(x, p=0.5, training=self.training)
x = self.conv2(x, edge_index)
if batch is not None: # 圖層級任務:每張圖的節點取平均
x = global_mean_pool(x, batch)
return self.head(x)
GCN(16, 32, 3)(data.x, data.edge_index).shape # torch.Size([4, 3]) 節點層級多張小圖(分子資料集)用 torch_geometric.loader.DataLoader 自動拼成一個大的不相連圖,batch 向量記錄每個節點屬於哪張圖。其他選擇:DGL;分子專用的 DeepChem、Chemprop。
常見陷阱
| 陷阱 | 說明 |
|---|---|
| 過度平滑 (over-smoothing) | 層數一多,所有節點表示趨於相同;GNN 通常只用 2~4 層 |
| 節點任務的資訊洩漏 | 訓練時 message passing 會用到 test 節點的特徵與邊(transductive 設定);測試邊必須從訓練圖中移除 |
| 連結預測的負樣本 | 「沒有記錄的交互作用」不等於「不存在」,只是還沒測;隨機負樣本會讓分數虛高 |
| 網路本身的偏誤 | PPI 資料庫中研究較多的基因(如 TP53)連結特別多;模型可能只學到「度數高 = 疾病基因」——先和度數 baseline 比較 |
| 分子資料切分 | 隨機切會讓結構相似的分子跨 train / test;用 scaffold split 評估對新化學結構的泛化 |
| 不一定需要 GNN | 分子用指紋 (fingerprint) + 梯度提升樹常是很強的 baseline |