[論文レビュー] Filtering Microarray Correlations by Statistical Literature Analysis Yields Potential Hypotheses for Lactation Research

Maurice HT Ling, Christophe Lefèvre+1 more|Jan 2, 2009

Biomedical Text Mining and Ontologies参考文献 39被引用数 3

ひとこと要約

本研究では、科学文献における顕著なタンパク質共起パターンを同定することで、マイクロアレイ遺伝子相関をフィルタリングする統計的文献分析手法を導入し、従来のポアソンベースの手法を上回る。マイクロアレイデータと文献由来の共起パターンを統合することで、従来の文献に記載されていなかった、乳糖生物学に関連する7つの新規で機能的である可能性のあるタンパク質-タンパク質相互作用が同定された。

ABSTRACT

Our results demonstrated that a previously reported protein name co-occurrence method (5-mention PubGene) which was not based on a hypothesis testing framework, it is generally statistically more significant than the 99th percentile of Poisson distribution-based method of calculating co-occurrence. It agrees with previous methods using natural language processing to extract protein-protein interaction from text as more than 96% of the interactions found by natural language processing methods to overlap with the results from 5-mention PubGene method. However, less than 2% of the gene co-expressions analyzed by microarray were found from direct co-occurrence or interaction information extraction from the literature. At the same time, combining microarray and literature analyses, we derive a novel set of 7 potential functional protein-protein interactions that had not been previously described in the literature.

研究の動機と目的

• 科学文献内の共起パターンを分析することにより、乳糖研究における生物学的に有意義なタンパク質-タンパク質相互作用を同定すること。
• 仮説検定フレームワークに依存するのではなく、統計的に堅牢なアプローチを用いることで、既存の文献ベースの相互作用検出手法を改善すること。
• マイクロアレイ由来の遺伝子発現相関と文献由来のタンパク質相互作用の間のギャップを埋めるために、共起信号をフィルタリングおよび検証すること。
• 統合されたマイクロアレイおよび文献分析を用いて、乳糖関連経路のための新規で検証可能な生物学的仮説を生成すること。
• 5-mention PubGene手法の有効性を、確立された自然言語処理技術および統計モデルと比較して評価すること。

提案手法

• 頻度閾値に基づき、抽象文におけるタンパク質の共起を同定する5-mention PubGene手法を適用し、統計的に有意な遺伝子相互作用をフィルタリングする。
• 5-mention PubGene手法をポアソン分布に基づく共起モデルと比較し、統計的有意性を評価する。
• 自然言語処理（NLP）ツールがテキストからタンパク質-タンパク質相互作用を抽出するのと比較することで、手法の妥当性を検証する。
• マイクロアレイ由来の遺伝子共発現データと文献由来のタンパク質共起パターンを統合し、潜在的な機能的相互作用を同定する。
• 統計的有意性および既知の生物学的経路との重複に基づき、候補相互作用をフィルタリングおよび優先順位付けする。
• タンパク質ペアが抽象文に少なくとも5回共起するという閾値を設定することで、低頻度信号よりも信頼性を高める。

実験結果

リサーチクエスチョン

• RQ1 5-mention PubGene手法は、タンパク質-タンパク質相互作用を検出するにあたり、ポアソン分布ベースの共起モデルと比較して統計的に有意であるか。
• RQ2 5-mention手法が同定するタンパク質共起パターンは、NLPベースの相互作用抽出ツールが同定するものとどの程度重複するか。
• RQ3 マイクロアレイ由来の遺伝子共発現ペアのうち、直接の文献共起または既知のタンパク質相互作用情報によって説明できる割合はどの程度か。
• RQ4 マイクロアレイデータと文献共起パターンを統合することで、従来の文献に記載されていなかった新規で生物学的に妥当なタンパク質-タンパク質相互作用を同定できるか。
• RQ5 本手法によって同定された新規相互作用は、機能的文脈に基づいて乳糖生物学に関連している可能性があるか。

主な発見

• 5-mention PubGene手法は、ポアソン分布ベースの共起モデルの99百分位を超える統計的有意性を示した。
• NLPツールが同定したタンパク質-タンパク質相互作用の96%以上が、5-mention PubGene手法でも検出された。これは、両手法間の強い一貫性を示している。
• マイクロアレイ由来の遺伝子共発現ペアの2%未満が、文献からの直接の共起または相互作用情報によって支持された。
• マイクロアレイと文献分析の統合により、従来の文献に記載されていなかった7つの新規タンパク質-タンパク質相互作用が得られた。
• これらの7つの新規相互作用は機能的に妥当であり、乳糖生物学に関連している可能性があり、本手法が検証可能な仮説を生成する上で有効であることを示唆している。
• 本研究は、統計的有意性でフィルタリングされた文献共起パターンが、高スループットデータから生物学的に関連する相互作用を効果的に優先順位付けできると確認した。