[論文レビュー] Ontology-based systematic classification and analysis of coronaviruses, hosts, and host-coronavirus interactions towards deep understanding of COVID-19

Hongjie Yu, Li L+18 more|arXiv (Cornell University)|May 31, 2020

Bioinformatics and Genomic Networks被引用数 5

ひとこと要約

本論文は、生物学的オントロジーと実験的に確認されたタンパク質間相互作用（PPI）を用いて、病態結果をモデル化することで、コロナウイルス、その宿主、および宿主-コロナウイルス相互作用（HCI）を体系的に分類する、オントロジーに基づく統合的フレームワークを提案する。文献マイニングとドメイン知識に基づく予測を適用することで、因果関係のあるHCI-結果関係を同定し、複数の臓器にまたがる新しい病理的PPIを予測し、SARS-CoV-2の病態発症のシステムレベル理解を前進させる。

ABSTRACT

Given the existing COVID-19 pandemic worldwide, it is critical to systematically study the interactions between hosts and coronaviruses including SARS-Cov, MERS-Cov, and SARS-CoV-2 (cause of COVID-19). We first created four host-pathogen interaction (HPI)-Outcome postulates, and generated a HPI-Outcome model as the basis for understanding host-coronavirus interactions (HCI) and their relations with the disease outcomes. We hypothesized that ontology can be used as an integrative platform to classify and analyze HCI and disease outcomes. Accordingly, we annotated and categorized different coronaviruses, hosts, and phenotypes using ontologies and identified their relations. Various COVID-19 phenotypes are hypothesized to be caused by the backend HCI mechanisms. To further identify the causal HCI-outcome relations, we collected 35 experimentally-verified HCI protein-protein interactions (PPIs), and applied literature mining to identify additional host PPIs in response to coronavirus infections. The results were formulated in a logical ontology representation for integrative HCI-outcome understanding. Using known PPIs as baits, we also developed and applied a domain-inferred prediction method to predict new PPIs and identified their pathological targets on multiple organs. Overall, our proposed ontology-based integrative framework combined with computational predictions can be used to support fundamental understanding of the intricate interactions between human patients and coronaviruses (including SARS-CoV-2) and their association with various disease outcomes.

研究の動機と目的

• 疾病メカニズムの理解を向上させるために、コロナウイルス、宿主、および宿主-コロナウイルス相互作用（HCI）を体系的かつオントロジーに基づいて分類すること。
• HPI-Outcomeの仮説と論理的オントロジー表現を用いて、HCIと臨床的結果との関係をモデル化すること。
• SARS-CoV-2の病態発症に関連する実験的に確認されたおよび予測された宿主タンパク質間相互作用（PPI）を同定すること。
• ドメイン推論による推論法を用いて、既知のPPIをベイツとして用い、複数の臓器における新しい病理的PPIとその標的を予測すること。
• COVID-19におけるHCIと病態結果の統合的分析のための統一的で計算的に根拠のあるプラットフォームを提供すること。

提案手法

• 宿主病原体相互作用と病態結果の関係を形式化するために、4つのHPI-Outcome仮説を開発した。
• 標準化された生物学的オントロジー（例：HPO、EFO、CLO）を用いて、コロナウイルス、宿主、および特徴をアノテートおよび分類した。
• 文献から35件の実験的に確認された宿主-コロナウイルスPPIを収集し、文献マイニングを用いてPPIネットワークを拡張した。
• 論理的オントロジー表現を用いて統合されたHCI-結果モデルを構築し、意味的整合性と機械可読性を確保した。
• 既知のPPIをベイツとして用い、ドメイン推論による予測法を用いて、複数の臓器における病理的標的を焦点に、新しいPPIを推論した。
• 予測されたPPIを臓器特異的病態にマッピングすることで、分子的相互作用と臨床症状との関連を結びつけた。

実験結果

リサーチクエスチョン

• RQ1 オントロジーを用いて、宿主-コロナウイルス相互作用を体系的に分類・モデル化することで、病態結果を理解するにはどうすればよいか？
• RQ2 宿主因子とコロナウイルスとの間の主要な実験的に確認されたタンパク質間相互作用（PPI）は何か、SARS-CoV-2を含めて？
• RQ3 コロナウイルス感染に応じて動的に制御される宿主PPIは何か、そしてそれらは臨床的特徴とどのように関連しているか？
• RQ4 計算予測手法は、既知の相互作用ネットワークからどのように新しい病理的PPIを推論できるか？
• RQ5 宿主-コロナウイルス相互作用の臓器特異的病理的標的は何か、そしてそれらは多臓器疾患の臨床像にどのように寄与しているか？

主な発見

• 本研究では、HCIネットワークの基盤的ノードとして、35件の実験的に確認された宿主-コロナウイルスタンパク質間相互作用（PPI）を同定した。
• 文献マイニングを用いて、免疫応答、アポトーシス、ウイルス侵入に関与する追加の宿主PPIを同定し、モデルに統合した。
• オントロジーに基づくフレームワークにより、HCI-結果関係の論理的かつ機械処理可能な表現が可能になり、データ相互運用性と推論能力が向上した。
• ドメイン推論による予測により、特に肺、心臓、腎臓組織において、病理的関連性を有する新しいPPIが同定された。
• モデルは、論理的推論を介して、サイトコインストームや多臓器不全などの分子レベルの相互作用と全身的特徴を効果的に結びつけた。
• 本フレームワークは、新興感染症における宿主病原体相互作用のシステムレベル分析にスケーラブルかつ再利用可能なプラットフォームを提供する。