ETD

• COTAN
• GNN
• graph neural networks
• interazioni proteina-proteina
• multiple sclerosis
• protein-protein interactions
• reti neurali a grafo
• rna-seq a singola cellula
• sclerosi multipla
• scRNA-seq
• single-cell rna-seq
• SPIDER

This thesis proposes an extension of the SPIDER (Supervised Protein Interaction DEtectoR) framework for the inference of protein–protein interaction (PPI) networks from single-cell RNA sequencing (scRNA-seq) data. To address the high sparsity tipically associated with scRNA-seq datasets, the statistical framework COTAN was employed to compute high-resolution co-expression coefficients. These features were integrated into the SPIDER architecture, based on Graph Attention Networks (GAT), together with features derived from gene expression profiles, Gene Ontology annotations, and interaction data obtained from the STRING database.

The work included the development of a complete pipeline for data preprocessing, pseudobulk aggregation procedures, supervised dataset construction, and the generation of correlation matrices based on both COTAN and Pearson correlations, used as a comparative baseline. Several methodological optimizations were also introduced, including graph topological filtering, correlation-based attention bias, and contrastive regularization.

Experiments conducted on the public GSE133028 dataset, containing samples from multiple sclerosis patients and healthy controls, showed that Gene Ontology functional annotations represent the primary source of predictive information, while transcriptomic signals provide a complementary contribution. The results demonstrate that SPIDER can be successfully adapted to single-cell data while maintaining strong predictive performance and enabling the identification of biologically plausible protein–protein interactions, including potentially novel interactions not currently annotated in existing databases.

Questa tesi propone un’estensione del framework SPIDER (Supervised Protein Interaction DEtectoR) per l’inferenza di reti di interazione proteina-proteina (PPI) a partire da dati di single-cell RNA sequencing (scRNA-seq). Per affrontare l’elevata sparsità tipica dei dati scRNA-seq, è stato utilizzato il framework statistico COTAN, che calcola coefficienti di co-espressione ad alta risoluzione. Tali informazioni sono state integrate all’interno dell’architettura SPIDER, basata su Graph Attention Networks (GAT), insieme a feature derivate da: espressione genica, annotazioni Gene Ontology e dati di interazione provenienti dal database STRING.

Il lavoro ha incluso la progettazione di una pipeline completa di preprocessing, aggregazione pseudobulk, costruzione supervisionata del dataset e generazione di matrici di correlazione basate sia su COTAN sia su correlazione di Pearson, da utilizzare come riferimento comparativo. Sono inoltre state introdotte diverse ottimizzazioni metodologiche, tra cui filtraggio topologico del grafo, bias di attenzione basato sulla correlazione e regolarizzazione contrastiva.

Gli esperimenti, condotti sul dataset pubblico GSE133028 relativo a pazienti affetti da sclerosi multipla e controlli sani, mostrano che le annotazioni funzionali Gene Ontology rappresentano la principale fonte di informazione predittiva, mentre i segnali trascrittomici forniscono un contributo complementare. I risultati dimostrano che SPIDER può essere adattato con successo a dati single-cell mantenendo buone prestazioni predittive e consentendo l’identificazione di interazioni proteiche biologicamente plausibili, incluse potenziali nuove interazioni non annotate nei database correnti.