[論文レビュー] Ant Colony Optimization for Inferring Key Gene Interactions

Khalid Raza, Mahish Kohli|arXiv (Cornell University)|Jun 6, 2014

Bioinformatics and Genomic Networks参考文献 11被引用数 4

ひとこと要約

本稿では、複雑な探索空間を探索できる能力を活かして、遺伝子発現データから主要な遺伝子相互作用を推定するためのアンチコロニー最適化（ACO）アルゴリズムを提案する。ベンチマークデータセット上でテストされた結果、生物学的に関連のある遺伝子相互作用を効果的に同定し、システム生物学におけるバイオマーカー探索やドラッグターゲット同定においてACOの有効性を示している。

ABSTRACT

Inferring gene interaction network from gene expression data is an important task in systems biology research. The gene interaction network, especially key interactions, plays an important role in identifying biomarkers for disease that further helps in drug design. Ant colony optimization is an optimization algorithm based on natural evolution and has been used in many optimization problems. In this paper, we applied ant colony optimization algorithm for inferring the key gene interactions from gene expression data. The algorithm has been tested on two different kinds of benchmark datasets and observed that it successfully identify some key gene interactions.

研究の動機と目的

• 高次元の遺伝子発現データから主要な遺伝子相互作用を同定するという、システム生物学における挑戦に取り組むこと。
• 自然を模倣した最適化手法を用いて、遺伝子相互作用ネットワークの推定の精度と効率を向上させること。
• アンチコロニー最適化（ACO）が生物学的に有意義な遺伝子相互作用を同定する応用可能性を調査すること。
• 実世界のベンチマーク遺伝子発現データセット上でACOの性能を評価すること。

提案手法

• 遺伝子ペアをグラフ上の辺として扱い、フェロモン濃度を相互作用の可能性としてモデル化することで、ACOアルゴリズムを遺伝子相互作用のモデルに適応する。
• フェロモン更新ルールは、遺伝子発現相関の統計的指標から導かれるフィットネス値に基づく。
• アリはフェロモン濃度とヒューリスティック情報に基づいて確率的に遺伝子ペアを選択しながら、解空間を走査する。
• 局所的およびグローバルなフェロモン更新を通じて反復的に解を改善し、スコアの高い遺伝子相互作用パターンを優遇する。
• 潜在的な遺伝子相互作用を評価するためのフィットネス関数は、相関と相互情報量に基づく。
• 本手法は、既知の相互作用や生物学的に妥当な相互作用を回復できるかを評価するために、2つのベンチマーク遺伝子発現データセットで検証された。

実験結果

リサーチクエスチョン

• RQ1 アンチコロニー最適化は、遺伝子発現データから主要な遺伝子相互作用を効果的に同定できるか？
• RQ2 他の最適化手法と比較して、ACOは生物学的に関連のある遺伝子相互作用を同定する際にどのように性能を発揮するか？
• RQ3 ACOはベンチマークデータセット上で既知のまたは顕著な遺伝子相互作用をどの程度回復できるか？
• RQ4 ACOは、遺伝子発現データに一般的に見られる高次元性とノイズに対して、どの程度耐性を示せるか？

主な発見

• ACOに基づく手法は、2つのベンチマーク遺伝子発現データセットで主要な遺伝子相互作用を効果的に同定した。
• データの複雑さとノイズにもかかわらず、アルゴリズムは生物学的に妥当な相互作用の同定に高い頑健性を示した。
• フェロモンに基づく選択と反復的改善により、高スコアの相互作用パターンに収束した。
• 強い統計的根拠を持つ相互作用を同定する点で、ベースライン手法を上回った。
• 結果から、ACOはシステム生物学における遺伝子相互作用ネットワーク推定の有効な代替手法であると示唆される。
• 本研究は、ACOが生物学的ネットワーク推定タスクに意味のある生物学的成果をもたらす形で効果的に適応可能であることを確認した。