[論文レビュー] Prediction of a Gene Regulatory Network from Gene Expression Profiles With Linear Regression and Pearson Correlation Coefficient

Mehedi Hassan Onik, Shakhawat Ahmmed Nobin+2 more|arXiv (Cornell University)|May 2, 2018

Gene expression and cancer classification参考文献 19被引用数 3

ひとこと要約

本研究では、がん特異的遺伝子調節ネットワーク（GRN）を遺伝子発現プロファイルを用いて再構築するための新しい機械学習的手法を提案する。線形回帰を用いて発現が顕著に変化した遺伝子を同定し、その後ピアソン相関を用いて調節的関係を推定する。その結果、がん診断の標的として有望なヒューブ遺伝子を同定し、生物学的データベースと照合して妥当性を検証した。

ABSTRACT

Reconstruction of gene regulatory networks is the process of identifying gene dependency from gene expression profile through some computation techniques. In our human body, though all cells pose similar genetic material but the activation state may vary. This variation in the activation of genes helps researchers to understand more about the function of the cells. Researchers get insight about diseases like mental illness, infectious disease, cancer disease and heart disease from microarray technology, etc. In this study, a cancer-specific gene regulatory network has been constructed using a simple and novel machine learning approach. In First Step, linear regression algorithm provided us the significant genes those expressed themselves differently. Next, regulatory relationships between the identified genes has been computed using Pearson correlation coefficient. Finally, the obtained results have been validated with the available databases and literatures. We can identify the hub genes and can be targeted for the cancer diagnosis.

研究の動機と目的

• 遺伝子発現プロファイルから遺伝子調節ネットワークを再構築するための単純かつ効果的な手法の開発。
• 線形回帰を用いてがんにおける発現が顕著に変化した遺伝子を同定し、ネットワークの特異性を向上。
• ピアソン相関係数を用いて遺伝子間の調節的相互作用を推定。
• 既存の生物学的データベースおよび文献と照合して予測されたネットワークの妥当性を検証。
• がんにおいて診断的または治療的標的になる可能性があるヒューブ遺伝子の同定。

提案手法

• 線形回帰を遺伝子発現プロファイルに適用し、条件間で顕著に発現が変化した遺伝子を同定。
• 線形回帰で最も有意な遺伝子を、ネットワーク構築のための候補の調節因子および標的として選択。
• 選択された遺伝子対間のピアソン相関係数を計算し、線形関係の強さと方向性を測定。
• 相関係数が事前に定義された閾値を超える場合、潜在的な調節的影響があると推定し、調節的関係を同定。
• 得られたネットワークを、公開データベースからの既知の生物学的相互作用を用いて可視化および検証。
• 再構築されたネットワーク内での高い接続性に基づき、ヒューブ遺伝子を同定。

実験結果

リサーチクエスチョン

• RQ1 線形回帰によってがんデータセットで顕著に発現が変化した遺伝子は何か？
• RQ2 ピアソン相関で測定された、発現が顕著に変化した遺伝子間の調節的関係は何か？
• RQ3 予測された遺伝子調節ネットワークは、既存の生物学的データベースを用いて検証可能か？
• RQ4 再構築されたネットワーク内でヒューブとして顕在する遺伝子は何か？これは調節的重要な役割を示唆する。
• RQ5 予測された調節的相互作用は生物学的に妥当であり、既知のがん関連経路と整合的か？

主な発見

• 線形回帰により、遺伝子発現データセットから顕著に発現が変化した遺伝子の集合が同定され、ネットワーク構築の基盤が得られた。
• ピアソン相関係数により、遺伝子対間の顕著な線形関係が的確に捉えられ、調節的相互作用の推定が可能になった。
• 公開データベースとの照合検証により、再構築された遺伝子調節ネットワークが既知の生物学的相互作用と整合性を示した。
• 高い接続性を示すヒューブ遺伝子が同定され、がん関連プロセスを調節する可能性のある役割を示唆した。
• 本手法により、がん診断におけるさらなる実験的検証の対象となる候補遺伝子を強調する生物学的に妥当なネットワークが得られた。