[論文レビュー] Mapping of Affymetrix probe sets to groups of transcripts using transcriptional networks

Michel Bellis|arXiv (Cornell University)|Jan 10, 2012

Gene expression and cancer classification参考文献 8被引用数 4

ひとこと要約

本論文では、転写ネットワークを分析することで、低相関、高相関、および類似した近隣構造を特徴とするプローブセット間の関係を活用し、Affymetrixプローブセットをトランスクリプト群にマッピングするネットワークベースの手法を提案する。この手法は、重複するトランスクリプト群を標的にするプローブセットを高い信頼性で同定し、複数のネットワークに跨って検証されることで、グループ化の信頼性が向上する。

ABSTRACT

Motivation: Usefulness of analysis derived from Affymetrix microarrays depends largely upon the reliability of files describing the correspondence between probe sets, genes and transcripts. In particular, in case a gene is targeted by two probe sets, one must be able to assess if the corresponding signals measure a group of common transcripts or two groups of transcripts with little or no overlap. Results: Probe sets that effectively target the same group of transcripts have specific properties in the trancriptional networks we constructed. We found indeed that such probe sets had a very low negative correlation, a high positive correlation and a similar neighbourhood. Taking advantage of these properties, we devised a test allowing to group probe sets which target the same group of transcripts in a particular network. By considering several networks, additional information concerning the frequency of these associations was obtained. Availability and Implementation: The programs developed in Python (PSAWNpy) and in Matlab (PSAWNml) are freely available, and can be downloaded at http://code.google.com/p/arraymatic/. Tutorials and reference manuals are available at http://bns.crbm.cnrs.fr/softwares.html. Contact: [e-mail]. Supplementary information: Supplementary data are available at http://bns.crbm.cnrs.fr/download.html.

研究の動機と目的

• 複数のプローブセットが同じ遺伝子を標的にする場合を含め、Affymetrixプローブセットを特定のトランスクリプト群に信頼性高く割り当てる課題に対処すること。
• 複雑な遺伝子発現データにおいて、プローブセットが重複するか、別個のトランスクリプト集団を測定しているかを特定すること。
• 共有されるトランスクリプト標的性に基づいて、ネットワーク特性を用いてプローブセットをグループ化する計算フレームワークの開発。
• 一貫した生物学的意味を持つプローブセット関連性を同定することで、マイクロアレイデータ解釈の信頼性を向上させること。

提案手法

• 遺伝子発現データから転写ネットワークを構築し、プローブセット間の共発現関係をモデル化する。
• 低負の相関、高正の相関、および類似したネットワーク近隣構造を示すプローブセットペアを、共有されるトランスクリプト標的性の指標として同定する。
• これらのネットワーク特性に基づく統計的仮説検定を用いて、プローブセットをトランスクリプト固有のクラスタにグループ化する。
• 複数の転写ネットワークに跨って手法を適用し、プローブセット関連性の整合性と頻度を評価する。
• 広範な利用可能性と再現可能性を実現するため、Python（PSAWNpy）およびMATLAB（PSAWNml）での実装を実施する。
• ネットワークトポロジーと相関パターンを主な特徴として、プローブセット標的性の生物学的同等性を推定する。

実験結果

リサーチクエスチョン

• RQ1 同じトランスクリプト群を標的にするプローブセットは、転写ネットワークにおいて一貫した共発現パターンを示すか？
• RQ2 プローブセット間の低負相関と高正相関は、信頼性高く共有されるトランスクリプト標的性を示すことができるか？
• RQ3 類似したネットワーク近隣構造を持つプローブセットは、どの程度重複するトランスクリプトアイソフォームを標的にするか？
• RQ4 複数の転写ネットワークからの証拠を統合することで、プローブセットグループ化の信頼性はどの程度向上するか？
• RQ5 ネットワークベースのグループ化は、Affymetrixマイクロアレイデータの解釈における曖昧さを低減できるか？

主な発見

• 同じトランスクリプト群を標的にするプローブセットは、構築された転写ネットワークにおいて一貫して低負相関と高正相関を示す。
• 類似したネットワーク近隣構造を持つプローブセットは、重複するトランスクリプト集団を標的にする可能性が顕著に高い。
• 本手法は、複数のネットワークに跨って生物学的に整合性のあるプローブセットグループ化を成功裏に同定し、割り当ての信頼性を向上させた。
• 複数のネットワークに共起する頻度が、信頼性の高いトランスクリプト群マッピングの強力な指標であった。
• 開発されたツール（PSAWNpy および PSAWnml）により、大規模なマイクロアレイデータセットへの本手法の再現可能でスケーラブルな適用が可能になった。
• 本手法は、Affymetrixアレイにおける長年の課題である曖昧なプローブセット〜トランスクリプトマッピング問題に対して、堅牢な解決策を提供する。