[論文レビュー] Graph Theory and Networks in Biology

Oliver Mason, Mark Verwoerd|ArXiv.org|Apr 6, 2006

Gene Regulatory Network Analysis参考文献 162被引用数 6

ひとこと要約

本稿は、代謝、タンパク質相互作用、転写調節ネットワークなどの分子ネットワークを対象として、グラフ理論およびネットワーク解析の生物学的システムへの応用を概説する。ネットワークのトポロジー、特に中心性指標、モチーフ、スケールフリーネットワーク構造が、同期化や疾患拡散といった生物学的ダイナミクスに顕著な影響を及ぼすことが示され、特に次数の高いノードがしばしば重要であり、スケールフリーネットワークがエピデミックの閾値を低下させることを明らかにした。

ABSTRACT

In this paper, we present a survey of the use of graph theoretical techniques in Biology. In particular, we discuss recent work on identifying and modelling the structure of bio-molecular networks, as well as the application of centrality measures to interaction networks and research on the hierarchical structure of such networks and network motifs. Work on the link between structural network properties and dynamics is also described, with emphasis on synchronization and disease propagation.

研究の動機と目的

• 生物学的ネットワークに応用されたグラフ理論的手法の包括的サーベイを提供すること。
• 生物学的機能およびダイナミクスに影響を及ぼすバイオ分子ネットワークの構造的特性を特定すること。
• ネットワークトポロジーと同期化や疾患伝播などの動的挙動との関係を検討すること。
• 中心性指標のロバストネスとネットワーク推論におけるデータ精度に関する未解決課題を強調すること。
• 生物学的ネットワークのモデリングおよび解析における主要な未解決問題を特定することで、今後の研究を導くこと。

提案手法

• 代謝ネットワーク、タンパク質相互作用ネットワーク、転写調節ネットワークのモデリングおよび解析にグラフ理論的手法を適用すること。
• ノードの重要度を特定するために、次数、媒介性、固有ベクトル中心性といった中心性指標を用いること。
• 統計的有意性検定を用いて過剰に出現する部分ネットワークモチーフ（例：フィードフォワードループ）を同定すること。
• クラスタリング係数、特徴的パス長、次数分布などの指標を用いてネットワークトポロジーを分析すること。
• スケールフリーネットワークおよびスモールワールドネットワーク上での同期ダイナミクスを調査するための結合オシレーターのモデリング。
• スケールフリーネットワークやランダムネットワークを含む、トポロジーが異なるネットワークにおけるエピデミック拡散のシミュレーションおよび平均場解析。

実験結果

リサーチクエスチョン

• RQ1 タンパク質相互作用ネットワークにおける中心性指標と生物学的必須性の相関関係は何か？
• RQ2 転写調節ネットワークにおけるフィードフォワードループのような繰り返し現れるネットワークモチーフの機能的意義は何か？
• RQ3 ネットワークトポロジーが神経系や調節系における同期化の傾向にどの程度影響を及ぼすか？
• RQ4 スケールフリートポロジーは、エピデミックの閾値および予防接種戦略の有効性にどのように影響を及ぼすか？
• RQ5 サンプリングおよびデータノイズは、システム生物学におけるネットワークベースの予測の信頼性にどのように影響を及ぼすか？

主な発見

• 次数中心性、媒介性中心性、固有ベクトル中心性は、タンパク質の必須性を強く予測するが、複雑な中心性指標が次数中心性を上回る明確な利点は認められない。
• フィードフォワードループのようなネットワークモチーフは統計的に有意であり、調節ネットワークにおける特定の情報処理機能を果たしている可能性が高い。
• スケールフリーネットワークは二段階の同期遷移を示し、無限大の極限では同期閾値が消失するため、高い同期可能性を示す。
• スケールフリーネットワークではエピデミック閾値が顕著に低下し、ランダムネットワークと比較してアウトブレイクがより起こりやすくなる。
• 特にエピデミックの制御を目的とする場合、スケールフリーネットワークでは高次数ノードへの標的的予防接種がランダム接種よりもはるかに効果的である。
• 中心性指標のデータ不正確性に対するロバストネスは、信頼できる生物学的ネットワーク解析の分野で依然として主要な未解決課題のままである。