[論文レビュー] Current and future directions in network biology

Marinka Žitnik, Michelle M. Li+35 more|arXiv (Cornell University)|Sep 15, 2023

Bioinformatics and Genomic NetworksBiochemistry, Genetics and Molecular Biology被引用数 3

ひとこと要約

本論文は、2022年ネットワーク生物学未来方向ワークショップからの知見を統合し、生物学的ネットワークのモデリングにおける計算およびアルゴリズム的課題を特定する。マルチモーダルデータ統合、高次ネットワーク解析、グラフ上の機械学習、ネットワークベースのパーソナライズド医療の分野を前進させるとともに、計算生物学研究における公平性、多様性、包摂性を強調する。

ABSTRACT

Network biology is an interdisciplinary field bridging computational and biological sciences that has proved pivotal in advancing the understanding of cellular functions and diseases across biological systems and scales. Although the field has been around for two decades, it remains nascent. It has witnessed rapid evolution, accompanied by emerging challenges. These challenges stem from various factors, notably the growing complexity and volume of data together with the increased diversity of data types describing different tiers of biological organization. We discuss prevailing research directions in network biology and highlight areas of inference and comparison of biological networks, multimodal data integration and heterogeneous networks, higher-order network analysis, machine learning on networks, and network-based personalized medicine. Following the overview of recent breakthroughs across these five areas, we offer a perspective on the future directions of network biology. Additionally, we offer insights into scientific communities, educational initiatives, and the importance of fostering diversity within the field. This paper establishes a roadmap for an immediate and long-term vision for network biology.

研究の動機と目的

• 増加するデータの複雑さとスケールに伴い、ネットワーク生物学における緊急の計算およびアルゴリズム的課題を特定すること。
• 多様な分野の研究者によるワークショップの議論を統合することで、ネットワーク生物学の今後の研究方向性を導くこと。
• 特にノミネーションおよびリーダーシップのパイプラインにおいて、公平で多様性があり包摂的な実践を促進すること。
• マルチモーダル生物学的データを異種的かつ動的なネットワークモデルに統合を前進させること。
• パーソナライズド医療と疾患のシステム論的理解を支援する長期的ビジョンを確立すること。

提案手法

• ノートルダム大学（2022年）で、計算およびアルゴリズム的ネットワーク生物学分野のリーダー研究者を招いたワークショップを実施した。
• ワークショップ参加者による共著のコンSENSUSペーパーに議論の成果を統合し、多様な分野およびキャリア段階を反映した。
• 主要な研究分野を5つのコアテーマに分類した：生物学的ネットワークの推論と比較、マルチモーダルデータ統合、高次ネットワーク解析、ネットワーク上での機械学習、ネットワークベースのパーソナライズド医療。
• 国際計算生物学学会（ISCB）における多様性・包摂性（EDI）指標を評価し、公開データを用いて代表性のギャップを分析した。
• ノミネーションプロセスにおけるバイアスを低減する戦略を提案し、代表されていない地域および低所得地域の研究者による国際会議へのアクセスを向上させることを提言した。
• 研究基盤およびトレーニングに公平性を組み込むために、機関および専門協会による体制的で資金を伴うイニシアチブの推進を提唱した。

Figure 1: Overview of the network biology field and five research topics discussed in this paper. The word cloud in the center, generated using WordClouds.com , contains the top 30 most representative words from this paper. Note that each word’s rank is based on the sum of the weights of the core wo

実験結果

リサーチクエスチョン

• RQ1 マルチオミクスおよび異種のデータの増加を踏まえ、ネットワーク生物学における最も緊急の計算およびアルゴリズム的課題は何か？
• RQ2 生物学的ネットワーク上の機械学習モデルは、どのようにして解釈可能性、汎用性、スケーラビリティを向上させ、複雑なシステムに適応できるか？
• RQ3 計算生物学における公平な参加の障壁、特にリーダーシップおよび評価の分野における障壁は何か？
• RQ4 動的で状態に適応し、マルチモーダルなネットワークモデルを備えたネットワーク生物学は、どのようにして精密医療を支援できるか？
• RQ5 計算生物学における多様性を、より広範な人口の特徴を反映させるために、どのような制度的および文化的な変化が必要か？

主な発見

• ネットワーク生物学の分野は、データの複雑さ、規模、多様性の増大に伴い、加速する課題に直面している。
• マルチモーダルデータ統合と高次ネットワーク解析（例：ハイパーグラフ、モチーフ）は、複雑な生物学的システムをモデリングするための重要なフロンティアとして浮上している。
• 特にグラフニューラルネットワークや大規模言語モデルを含むネットワーク上での機械学習は強く有望であるが、解釈可能性と耐性の向上が求められる。
• ノミネーションパイプラインにおけるEDIの格差は依然として存在し、主要なISCB賞のノミネート者のうち22–28％しか女性がいない一方で、ISCB会員の32.8％が女性である。
• 生物学に焦点を当てる分野では計算に焦点を当てる分野よりも性別による多様性が高く、生物学的バックグラウンドからの人材の採用が多様性の向上に寄与する可能性がある。
• ゲートキーピングの障壁を克服し、会議、資金、リーダーシップの役職への公平なアクセスを確保するため、体系的で資金を伴うイニシアチブが不可欠である。

(A) Inference of a network from non-network data