[論文レビュー] Finding Communities of Related Genes

Dennis M. Wilkinson, Bernardo A. Huberman|arXiv (Cornell University)|Oct 7, 2002

Bioinformatics and Genomic Networks被引用数 9

ひとこと要約

本稿では、生物医学文献における共起パターンを用いて、機能的に関連する遺伝子のコミュニティを特定するグラフベースの手法を提案する。遺伝子相互作用をべき乗則に従う次数分布を示すネットワークとしてモデル化し、Betweenness中央性アルゴリズムを適用することで、生物学的に意味のある遺伝子コミュニティを同定する。本手法は、コロラスがん関連遺伝子セットにおいて、重み付き所属割り当てを伴って有効に示された。

ABSTRACT

We present an automated method of identifying communities of functionally related genes from the biomedical literature. These communities encapsulate human gene and protein interactions and identify groups of genes that are complementary in their function. We use graphs to represent the network of gene cooccurrences in articles mentioning particular keywords, and find that these graphs consist of one giant connected component and many small ones. In addition, the vertex degree distribution of the graphs follows a power law, whose exponent we determine. We then use an algorithm based on betweenness centrality to identify community structures within the giant component. The different structures are then aggregated into a final list of communities, whose members are weighted according to how strongly they belong to them. Our method is efficient enough to be applicable to the entire Medline database, and yet the information it extracts is significantly detailed, applicable to a particular problem, and interesting in and of itself. We illustrate the method in the case of colon cancer and demonstrate important features of the resulting communities.

研究の動機と目的

• 遺伝子機能に関する事前知識なしに、生物医学文献から機能的に関連する遺伝子コミュニティを自動的に同定すること。
• 科学的論文における共起を通じて遺伝子相互作用をモデル化し、隠れた機能的関係を捉えること。
• Medlineのような大規模データベースに適用可能なスケーラブルで効率的なアルゴリズムを開発すること。
• 補完的な機能的役割を反映する、詳細で生物学的に意味のある遺伝子グループを抽出すること。
• コロラスがんという具体的な疾患文脈において手法を検証し、システム生物学における実用性を示すこと。

提案手法

• ノードが遺伝子、エッジが特定のキーワードを含む論文における共起を表す遺伝子共起ネットワークを構築する。
• 巨大連結成分と多数の小さな成分を有するグラフとしてネットワークをモデル化し、べき乗則次数分布を示す。
• 巨大成分内でのコミュニティ構造を同定するために、Betweenness中央性に基づくアルゴリズムを適用する。
• 検出されたコミュニティを統合し、各遺伝子の所属強度に基づいて重みを割り当てる。
• キーワードフィルタリングを用いて、コロラスがんなど、関連する生物学的文脈に焦点を当て、機能的特異性を向上させる。
• ネットワークの統計的性質（例：べき乗則指数）を活用して、コミュニティ検出の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 生物医学文献における遺伝子共起パターンは、生物学的に意味のある機能的コミュニティを明らかにできるか？
• RQ2 遺伝子共起ネットワークのトポロジー的性質（次数分布や接続性など）は、コミュニティ検出にどのように影響するか？
• RQ3 Betweenness中央性に基づくアルゴリズムは、大規模な文献由来ネットワークにおいて、整合性のある遺伝子コミュニティをどの程度正確に同定できるか？
• RQ4 遺伝子のコミュニティへの所属を、機能的関連性を反映するように定量的に重みづけできるか？
• RQ5 この手法は、コロラスがん関連遺伝子ネットワークの同定といった、現実の生物学的問題に有効に応用できるか？

主な発見

• Medlineから導出された遺伝子共起ネットワークは、べき乗則次数分布を示しており、スケールフリー性を示している。
• ネットワークには1つの支配的で巨大な連結成分が存在し、遺伝子間の広範な機能的相互接続性を示している。
• Betweenness中央性アルゴリズムは、コロラスがんの文脈において、生物学的に関連性のある遺伝子コミュニティを効果的に同定した。
• 遺伝子コミュニティは機能的に関連する遺伝子で豊富に構成されており、本手法が補完的な生物学的役割を捉える能力を有していることを示している。
• 本手法は重み付き所属を生成し、遺伝子が複数の機能的グループに参加する際の洗練された解釈を可能にしている。
• 本アプローチはスケーラブルであり、Medlineデータベース全体に適用可能であり、大規模なシステム生物学的解析を可能としている。