[論文レビュー] Graph Models for Biological Pathway Visualization: State of the Art and Future Challenges

Hsiang‐Yun Wu, Martin Nöllenburg+1 more|arXiv (Cornell University)|Oct 10, 2021

Bioinformatics and Genomic Networks参考文献 38被引用数 4

ひとこと要約

本稿では、生物学的シグナル伝達経路の可視化のための統合的データ構造として、多層ネットワークを提案する。この手法は、二部グラフ、ハイパーグラフ、反応グラフといった異種のグラフモデルを統合的に統合する包括的フレームワークを提供する。既存の経路モデリングおよび可視化技術を分析することで、スケーラビリティ、インタラクティビティ、時間依存性、不確実性、クロススプライス比較といった主な課題を特定し、動的でドメイン特化型かつ認知的に効率的な経路探索を支援する将来の可視化システムのガイドラインを提示する。

ABSTRACT

The concept of multilayer networks has become recently integrated into complex systems modeling since it encapsulates a very general concept of complex relationships. Biological pathways are an example of complex real-world networks, where vertices represent biological entities, and edges indicate the underlying connectivity. For this reason, using multilayer networks to model biological knowledge allows us to formally cover essential properties and theories in the field, which also raises challenges in visualization. This is because, in the early days of pathway visualization research, only restricted types of graphs, such as simple graphs, clustered graphs, and others were adopted. In this paper, we revisit a heterogeneous definition of biological networks and aim to provide an overview to see the gaps between data modeling and visual representation. The contribution will, therefore, lie in providing guidelines and challenges of using multilayer networks as a unified data structure for the biological pathway visualization.

研究の動機と目的

• 生物学的シグナル伝達経路の複雑化に対応するため、多層ネットワークフレームワークの下で多様なグラフモデルを統合すること。
• 経路表現における現在のデータモデリング実務と可視化技術の間の乖離を特定すること。
• 大規模で動的かつ不確実な生物学的ネットワークの可視化における主な課題を強調すること。
• 機能、種、細胞小器官コンpartimentといった意味的レイヤーを統合することで、ドメイン特化型の可視化を支援すること。
• 標準化された多層ネットワーク表現を通じて、生物種および細胞内コンパートメント間の比較分析を可能にすること。

提案手法

• 主要な経路データベースおよび可視化ツールで用いられる基本的なグラフモデルを調査・分類すること。
• 従来の生物学的シグナル伝達経路表現（例：基質グラフ、ハイパーグラフ、反応グラフ）を多層ネットワークの抽象化にマッピングすること。
• 手作業によるおよびアルゴリズム的に生成された経路レイアウトを分析し、視覚的明瞭性と構造的忠実性を評価すること。
• 経路解釈における認知的負荷を低減するための視覚的階層構造とレイアウトのバランスの役割を評価すること。
• 多層ネットワークを、異なる可視化タイプ間の変換を可能にする中心的データ構造として位置付けるフレームワークを提唱すること。
• 時間、不確実性、およびクロスオルガニズム比較を、1つの多層モデリングおよび可視化パイプラインに統合すること。

実験結果

リサーチクエスチョン

• RQ1 多層ネットワークは、生物学的シグナル伝達経路モデリングに用いられる多様なグラフモデルをどのように統合できるか？
• RQ2 大規模で動的かつ多様性のある生物学的シグナル伝達経路を表現する際の主な可視化課題は何か？
• RQ3 多層ネットワークは、複雑な代謝およびシグナル伝達ネットワークのスケーラブルかつインタラクティブな可視化をどのように支援できるか？
• RQ4 多層ネットワークは、種および細胞小器官コンパートメント間で比較的経路分析をどのように促進できるか？
• RQ5 不確実性と時間依存性は、多層ネットワークフレームワーク内でどのように形式的にモデリングされ、視覚的に表現できるか？

主な発見

• 多層ネットワークは、二部グラフ、ハイパーグラフ、反応グラフを含む、多様な生物学的シグナル伝達経路モデルを統合的に表現できる包括的抽象化を提供する。
• 現在の可視化技術は、特に複数のレイヤーが関与する場合に、現実の生物学的ネットワークの複雑さと密度に対してスケーリングできないことがしばしばある。
• 機能モジュール、種、細胞小器官コンパートメントといった意味的レイヤーの統合は、解釈可能性を向上させ、ドメイン特化型分析を支援する。
• グルコース代謝におけるような動的で時間依存性のある経路変化には、適応的レイアウトアルゴリズムが必要であるが、現状は未発達である。
• 生物学的相互作用における不確実性は、ドラッグ開発やシステム生物学の解釈において極めて重要であるにもかかわらず、ほとんど可視化されていない。
• 多層ネットワークは、異種のデータを共通の構造的フレームワークに統一することで、種をまたいだ比較的経路可視化を容易にする。