[論文レビュー] Network motifs in biological networks: Roles and Generalizations

Nadav Kashtan, Shalev Itzkovitz+2 more|arXiv (Cornell University)|Dec 15, 2003

Gene Regulatory Network Analysis被引用数 3

ひとこと要約

本稿では、構造的役割（例：入力、出力、内部ノード）を通じて共通のアーキテクチャ的テーマを持つネットワークモチーフの族である「モチーフ一般化」を導入する。構造的同値性を用いて役割を定義し、効率的な検出アルゴリズムを開発することで、転写ネットワークは多出力一般化を好む一方、神経ネットワークは多入力一般化を好み、電子回路はハイブリッド形式を示すことが明らかになった。各システムでは、特徴的な情報処理機能が見られる。

ABSTRACT

Biological and technological networks contain patterns, termed network motifs, which occur far more often than in randomized networks. Network motifs were suggested to be elementary building blocks that carry out key functions in the network. It is of interest to understand how network motifs combine to form larger structures. To address this, we present a systematic approach to define 'motif generalizations': families of motifs of different sizes that share a common architectural theme. To define motif generalizations, we first define 'roles' in a subgraph according to structural equivalence. For example, the feedforward loop triad, a motif in transcription, neuronal and some electronic networks, has three roles, an input node, an output node and an internal node. The roles are used to define possible generalizations of the motif. The feedforward loop can have three simple generalizations, based on replicating each of the three roles and their connections. We present algorithms for efficiently detecting motif generalizations. We find that the transcription networks of bacteria and yeast display only one of the three generalizations, the multi-output feedforward generalization. In contrast, the neuronal network of \emph{C. elegans} mainly displays the multi-input generalization. Forward-logic electronic circuits display a multi-input, multi-output hybrid. Thus, networks which share a common motif can have very different generalizations of that motif. Using mathematical modelling, we describe the information processing functions of the different motif generalizations in transcription, neuronal and electronic networks.

研究の動機と目的

• 生物学的および技術的ネットワークにおけるネットワークモチーフがどのように大きな機能的構造に組み合わされるかを理解すること。
• 孤立したモチーフを研究する際の限界を克服するため、共通のアーキテクチャ的テーマに基づくモチーフ一般化のフレームワークを提案すること。
• 役割の再現と接続性に基づいて、コアモチーフ（例：フィードフォワードループ）の異なる一般化を同定および分類すること。
• 転写系、神経系、電子系といった異なるネットワークタイプが、どのように異なるモチーフ一般化を利用しているかを調査すること。
• 数学的モデリングを用いて、モチーフ一般化と特定の情報処理機能との関連を結びつけること。

提案手法

• フィードフォワードループモチーフにおける入力、出力、内部ノードといった役割を、構造的同値性に基づいて定義する。
• 役割に従ってノードとその接続を再現することで、可能なモチーフ一般化を生成する。
• 大規模ネットワークにおけるモチーフ一般化の検出に効率的なアルゴリズムを開発し、体系的な解析を可能にする。
• 実世界のネットワークにフレームワークを適用：細菌および酵母の転写ネットワーク、*C. elegans* の神経ネットワーク、フォワード論理電子回路。
• 数学的モデリングを用いて、各モチーフ一般化タイプの情報処理機能を特徴づける。

実験結果

リサーチクエスチョン

• RQ1 どのようにしてネットワークモチーフが、異なるサイズにおいても共通のアーキテクチャ的テーマを保持する族に一般化できるか？
• RQ2 転写、神経、電子ネットワークにおいて、どのモチーフ一般化が顕著であり、それが選択される要因は何か？
• RQ3 異なるモチーフ一般化が、生物学的および技術的システムにおける特徴的な情報処理機能にどのように寄与するか？
• RQ4 構造的役割（入力、出力、内部）が、モチーフ一般化の機能的アーキテクチャを定義する上で果たす役割は何か？
• RQ5 同じコアモチーフ（例：フィードフォワードループ）を共有するネットワークにおいて、モチーフ一般化は機能的多様性を説明できるか？

主な発見

• フィードフォワードループモチーフは、役割の再現に基づき、多入力型、多出力型、多入力・多出力型の3つの形に一般化される。
• 細菌および酵母の転写ネットワークでは、フィードフォワードループの多出力一般化が顕著に見られる。
• *C. elegans* の神経ネットワークでは、フィードフォワードループの多入力一般化が主に観察される。
• フォワード論理電子回路では、多入力・多出力のハイブリッド一般化が見られ、機能的特化を示している。
• 同じコアモチーフ（例：フィードフォワードループ）を共有する異なるネットワークタイプが、それぞれ異なるモチーフ一般化を利用しており、機能的分岐を反映している。
• 数学的モデリングにより、各モチーフ一般化が信号フィルタリングや遅延生成といった、固有の情報処理機能を果たしていることが確認された。