图神经网络加倾向模型，分离病毒-宿主预测中的生物与采样偏差

bravo_abad · x · 2026-09-22

论文《When missing labels are not negatives》探讨科学数据集中"未观测"常被默认为"不存在"的问题：哺乳动物-病毒关联数据的采样在不同物种、病毒科和地理区域间高度不均。Pignalberi 等人提出 Dynamic Positive-Unlabeled 框架，同时训练两个模型：图神经网络估计关联在生物学上是否成立，另一倾向模型估计该关联若真实存在被观测到的概率，从而把缺失链接与真实负例区分开，提升病毒-宿主预测的可信度。