郭梦洁，熊 贇

（复旦大学计算机科学技术学院上海市数据科学重点实验室，上海 201203）

0 概述

随着各种高通量生物技术的迅速发展，生物学领域产生了海量数据，使研究人员能够收集和研究大量数据，以更好地阐释复杂疾病的潜在生物学机制［1］。科研机构在生物医学数据的研究上取得了重要进展，但是由于利用海量的数据进行生物学实验需要耗费大量的时间和资源，大部分数据在最初的获取和分析后被搁置［2］，因此，数据的生成和整合分析数据的能力之间的差距越来越大。

很多疾病关联数据可以表示成网络，其中节点代表生物实体，如疾病、基因等，节点间的边指代它们之间的关系。这些网络往往都包含多种类型的实体和关系，被称作异质网络［3］。疾病或其他生物实体在异质网络中是相似的，则它们有很大可能性存在关联。例如一种miRNA 在一种疾病起关键作用，则很有可能在相似疾病中起到相似的作用［2］。

为充分利用网络中的信息，研究人员采用网络表示学习算法［3］，将网络映射到低维向量空间，同时保留原有的网络结构、节点内容等。近年来，兴起了异质网络表示学习算法的研究，一类是基于随机游走采样正负节点的训练，代表性的算法包括Metapath2vec［4］、HeteWalk［2］，但它们都依赖合适的元路径［2］，元路径的选择需要人工经验，另一类是将异质网络分解成子网络表示学习后进行信息融合，例如PTE［5］、AspEm［6］，但在分解和融合过程中容易丢失网络中的重要信息。此外，上述算法都忽视了节点的数据分布，因此学习的向量表示缺乏鲁棒性。……