[論文レビュー] Biological Systems as Heterogeneous Information Networks: A Mini-review and Perspectives

Koki Tsuyuzaki, Itoshi Nikaido|arXiv (Cornell University)|Dec 24, 2017

Bioinformatics and Genomic Networks参考文献 59被引用数 10

ひとこと要約

このミニレビューでは、遺伝子、タンパク質、代謝物など、多様な生物学的データタイプを統合するため、生物学的システムを異種情報ネットワーク（HIN）としてモデル化することを提案している。HIN固有の手法、例えばパスベースの類似性やメタパスマイニングを活用することで、複雑な生物学的関係の高度な解析が可能となり、システム生物学およびドラッグディスcoveryにおける新たな知見が得られる。

ABSTRACT

In the real world, most objects and data have multiple types of attributes and inter-connections. Such data structures are named "Heterogeneous Information Networks" (HIN) and have been widely researched. Biological systems are also considered to be highly complicated HIN. In this work, we review various applications of HIN methods to biological and chemical data, discuss some advanced topics, and describe some future research directions.

研究の動機と目的

• 遺伝子、タンパク質、薬剤などの異種生物学的データを統一的分析フレームワークに統合する課題に対処すること。
• 従来の同種ネットワークを超えて、複雑な生物学的システムをモデル化するための異種情報ネットワーク（HIN）の有効性を示すこと。
• 生物学的データに適用可能なHIN分野の主な技術的進展、例えばメタパスベースの類似性やHIN埋め込みを特定すること。
• HINを用いたシステム生物学、ドラッグディスcovery、およびネットワーク医学分野における今後の研究方向性を提示すること。
• 情報科学とシステム生物学の間のギャップを埋めるために、生物学的ネットワーク解析におけるHINベースのアプローチを推進すること。

提案手法

• ノードが多様な生物学的実体（例：遺伝子、タンパク質、薬剤）を表し、エッジが複数の生物学的関係を表す異種情報ネットワーク（HIN）として生物学的システムをモデル化する。
• ユーザーが定義したパス（メタパス）を用いて、異種ノードおよびエッジを経由して複雑な意味的関係（例：タンパク質を介した遺伝子-疾患関連）を捉える。
• 事前に定義されたメタパスを用いて、パスベースの類似性測定法を適用し、生物学的実体間の意味的類似性を計算する。
• ノードの構造的および意味的情報を保持する低次元ベクトル表現を学習するため、HIN埋め込み技術を活用する。
• ゲノム、プロテオム、メタボロームなどのマルチオミクスデータを1つのHINに統合し、クロスモダリティな生物学的推論を可能にする。
• 遺伝子機能予測、ドラッグターゲット相互作用予測、疾患関連遺伝子の優先順位付けなどの後続タスクにHINベースの手法を適用する。

実験結果

リサーチクエスチョン

• RQ1 異種生物学的データを、1つの統合的ネットワーク構造として効果的にモデル化する方法は何か？
• RQ2 複雑な生物学的システムにおける意味的関係を捉えるために、最も効果的なHINベースの手法は何か？
• RQ3 メタパスベースのアプローチは、生物学的実体の類似性および予測タスクの正確性をどのように向上させるか？
• RQ4 HINをシステム生物学および医療分野のデータに適用する際の主な課題と制限は何であるか？
• RQ5 HINの応用をドラッグディスcoveryおよびシステムメディスン分野で強化するための今後の研究方向性は何か？

主な発見

• 異種情報ネットワークは、遺伝子、タンパク質、薬剤、疾患といった多様な生物学的データタイプを、1つの分析フレームワークに効果的に統合できる。
• メタパスベースの類似性測定法は、同種ネットワーク手法に比べて、機能的に関連する生物学的実体の同定を顕著に向上させる。
• HIN埋め込み手法は構造的および意味的関係を保持しており、遺伝子-疾患関連やドラッグターゲット相互作用の正確な予測を可能にする。
• HINによるマルチオミクスデータの統合により、複雑な生物学的プロセスおよび制御ネットワークに関するシステムレベルの知見が得られる。
• HINベースのアプローチは、間接的な生物学的関連を活用することで、候補疾患関連遺伝子の特定や既存薬の再利用に強く有望である。
• 本レビューでは、スケーラビリティの課題、および分野間で標準化されたメタパス定義の必要性といった主な課題を特定している。