[論文レビュー] Attribute Exploration of Discrete Temporal Transitions

Johannes Wollbold|ArXiv.org|Jan 4, 2007

Constraint Satisfaction and Optimization参考文献 7被引用数 3

ひとこと要約

本稿では、時系列データから得られる関係的文脈を統合することで、遺伝子調節ネットワークを含む生物学的システムにおける離散的時間的遷移をモデル化するため、形式概念分析（FCA）の拡張を提案する。この手法により、実験的トランスクリプトームおよびプロテオームデータから有効な時間的含意を自動的に発見可能となり、IL-1β、TNF-αおよび関連遺伝子を含む小さな調節ネットワークを用いた実験で、計算された含意のスタムベースを通じて動的調節的依存関係が明らかにされた。

ABSTRACT

Discrete temporal transitions occur in a variety of domains, but this work is mainly motivated by applications in molecular biology: explaining and analyzing observed transcriptome and proteome time series by literature and database knowledge. The starting point of a formal concept analysis model is presented. The objects of a formal context are states of the interesting entities, and the attributes are the variable properties defining the current state (e.g. observed presence or absence of proteins). Temporal transitions assign a relation to the objects, defined by deterministic or non-deterministic transition rules between sets of pre- and postconditions. This relation can be generalized to its transitive closure, i.e. states are related if one results from the other by a transition sequence of arbitrary length. The focus of the work is the adaptation of the attribute exploration algorithm to such a relational context, so that questions concerning temporal dependencies can be asked during the exploration process and be answered from the computed stem base. Results are given for the abstract example of a game and a small gene regulatory network relevant to a biomedical question.

研究の動機と目的

• 形式的概念分析（FCA）を用いて生物学的システムにおける離散的時間的遷移をモデル化する形式的枠組みを構築すること。
• 時間的経過に伴う決定的または非決定的状態遷移を符号化する関係的文脈に適合した属性探索アルゴリズムを適応させること。
• 実験的時系列データを用いて、遺伝子調節ネットワークにおける時間的依存関係に関する仮説をインタラクティブに生成および検証できるようにすること。
• 文献およびデータベースの知識を観察された実験データと統合し、トランスクリプトームダイナミクスの説明または予測を行うこと。
• 遺伝子発現調節における時間的依存関係を捉える最小の有効含意集合（スタムベース）を導出すること。

提案手法

• G が状態の集合、R が状態間の遷移関係、M が属性（例：遺伝子産物の存在／不在）の集合である関係的文脈 ((G,R),M,I) として生物学的システムをモデル化する。
• 各状態 φ をエンティティ E からフラuent F（例：mRNA やタンパク質レベル）への写像として表現し、特定の遺伝子産物の存在または不在を示す属性を用いる。
• 遷移関係の推移的閉包に対して属性探索を適用し、属性集合間の有効な含意を発見する。
• 論理的含意関係をすべて表現する最小かつ完全なルール集合を保証するため、Duquenne-Guigues（スタム）ベースを用いる。
• 観察された時系列データと統合することで、背景知識（例：Transpath や PathwayStudio などのデータベースから得られる知識）を含意ベースを精緻化するために用いる。
• B → eventually(m) や B → never(m) などの論理的クエリを用いて時間的挙動を評価し、仮説を検証する。

実験結果

リサーチクエスチョン

• RQ1 形式的概念分析は、遺伝子調節ネットワークのような生物学的システムにおける時間的遷移をどのように拡張してモデル化できるか？
• RQ2 属性探索を用いて、時系列トランスクリプトームおよびプロテオームデータから、遺伝子発現状態間の含意を自動的に発見できるか？
• RQ3 生物学的データベースからの背景知識を観察された実験的観察と統合することで、推論される調節ルールの正確性を向上させられるか？
• RQ4 モデルから導出された含意のスタムベースは、実験的条件下での遺伝子発現の時間的ダイナミクスを予測できるか？
• RQ5 導出された含意構造から、どのような時間的挙動（例：振動、安定性）を推論できるか？

主な発見

• 統合された知識と観察データから導出されたスタムベースには、IL-1β/TNF-αシグナル伝達ネットワークにおける主要な調節的依存関係を捉える22個の含意が含まれている。
• Il1β.pres in → Tnfα.pres in や Tnfα.abs in → Il1β.pres in といった含意は、ネットワーク内でのフィードバックおよびフィードフォワード調節パターンを明らかにしている。
• 本モデルは、任意の時系列で Il1β もしくは TNFα の上昇が、それ以前の存在を示唆することを正しく特定しており、既知の生物学的フィードバックループを裏付けている。
• B → eventually(m) といった論理的クエリにより、初期状態からある遺伝子状態に到達可能かどうかを特定できる。
• 本手法は、状態空間内を一貫した遷移経路を特定することで、3点の時系列データをうまく説明できた。
• スタムベースを用いることで、導出された文脈に対する集合演算により、振動的挙動や安定状態の検出が可能になった。