[論文レビュー] Mixed membership analysis of high-throughput interaction studies: Relational data

Edoardo M. Airoldi, David M. Blei+2 more|ArXiv.org|Jun 3, 2007

Bioinformatics and Genomic Networks参考文献 23被引用数 9

ひとこと要約

本論文では、関係的タンパク質-タンパク質相互作用データを用いて、機能モジュール内のタンパク質の混合メンバーシップを同定し、これらのモジュール間の相互作用パターンを推定するベイジアン階層モデルである、潜在的ブロックの混合（ALB）を提案する。この手法は変分推論を用いて大規模なイースト相互作用ネットワークを効率的に分析し、機能モジュールとその相互作用の簡潔で解釈可能な表現を通じて、タンパク質の多様な機能的役割を明らかにする。

ABSTRACT

In this paper, we consider the statistical analysis of a protein interaction network. We propose a Bayesian model that uses a hierarchy of probabilistic assumptions about the way proteins interact with one another in order to: (i) identify the number of non-observable functional modules; (ii) estimate the degree of membership of proteins to modules; and (iii) estimate typical interaction patterns among the functional modules themselves. Our model describes large amount of (relational) data using a relatively small set of parameters that we can reliably estimate with an efficient inference algorithm. We apply our methodology to data on protein-to-protein interactions in saccharomyces cerevisiae to reveal proteins' diverse functional roles. The case study provides the basis for an overview of which scientific questions can be addressed using our methods, and for a discussion of technical issues.

研究の動機と目的

• 高スループットのタンパク質相互作用ネットワークにおける観察不能な機能モジュールを同定すること。
• 単一グループへの割り当てという仮定を緩和し、タンパク質が複数の機能モジュールにどの程度属しているかを推定すること。
• 機能モジュール同士の典型的な相互作用パターンをモデル化および推定すること。
• 大規模な関係的生物学的データに対してスケーラブルで効率的な推論手法を提供すること。
• 潜在的モジュール構造を用いて、新しい相互作用やタンパク質の機能アノテーションを予測可能にすること。

提案手法

• タンパク質の混合メンバーシップを有する階層ベイジアンモデルとして、潜在的ブロックの混合（ALB）モデルを提案する。
• タンパク質グループ間の相互作用確率を符号化するために確率的ブロック構造を用いる。
• 計算コストの高いMCMCを回避するため、効率的な事後分布推論のためのネストド変分期待最大化アルゴリズムを採用する。
• 潜在的グループメンバーシップおよび相互作用パラメータの事後分布推定を簡素化するために、平均場近似を適用する。
• 機能モジュールの数の柔軟な推定を可能にするために、非パラメトリックベイジアン事前分布を組み込む。
• 予測された機能的コンテンツおよび相互作用の正確性を検証するためのゴールドスタンダードとして、遺伝子オントロジー（GO）アノテーションを用いる。

実験結果

リサーチクエスチョン

• RQ1 タンパク質が複数のモジュールに属する可能性がある場合、タンパク質相互作用ネットワークにおける機能モジュールをどのように同定できるか？
• RQ2 各タンパク質が複数の機能的モジュールにどの程度属しているかを推定する最適な方法は何か？
• RQ3 機能モジュール同士の相互作用パターンをどのようにモデル化し、推定できるか？
• RQ4 潜在的ブロック構造は、予測されたタンパク質相互作用の正確性と再現率を向上させることができるか？
• RQ5 推定されたモジュール構造を用いて、高スループット相互作用データをノイズ除去および要約する方法は何か？

主な発見

• ALBモデルは、遺伝子オントロジー（GO）アノテーションによる検証を通じて、MIPSタンパク質相互作用ネットワークにおいて高い正確性で機能モジュールを同定した。
• モデルは、グループメンバーシップベクトル（π）および相互作用パラメータ（B）の事後平均が、データの簡潔で正確な表現を提供するという点で高い正確性を達成した。
• ALBモデルに基づく予測された相互作用ネットワークは、特に低い再現率レベルにおいて、元のMIPSデータセットを上回る機能的正確性を示した。
• 予測された相互作用の密集領域には、元のMIPSデータセットに存在しなかった既知の機能的関連性が含まれており、モデルが生物学的に意味のある関係性を推定できることを示している。
• ALBモデルは、事後平均のタンパク質グループメンバーシップ（Z）が、高い正確性で大部分の機能的内容を捉えている点で、相互作用ネットワークの機能的内容を要約する点で優れた性能を示した。
• 変分推論の使用により、大規模な相互作用データの分析が効率的に行えるようになり、高スループット生物学的応用にスケーラブルな手法となった。