[논문 리뷰] Attribute Exploration of Discrete Temporal Transitions

Johannes Wollbold|ArXiv.org|2007. 01. 04.

Constraint Satisfaction and Optimization참고 문헌 7인용 수 3

한 줄 요약

이 논문은 시간 시리즈 데이터에서 유도된 관계적 문맥을 통합함으로써 형식적 개념 분석(FCA)을 확장하여 생물학적 시스템, 특히 유전자 조절 네트워크에서 이산적인 시간 전이를 모델링한다. 이 방법은 실험적 전사체 및 단백체 데이터로부터 유효한 시간적 함의를 자동으로 발견할 수 있게 하며, IL-1β, TNF-α 및 관련 유전자를 포함한 작은 조절 네트워크에서 핵심 결과를 입증하여 계산된 함의의 스템 기반을 통해 동적 조절 의존성을 드러낸다.

ABSTRACT

Discrete temporal transitions occur in a variety of domains, but this work is mainly motivated by applications in molecular biology: explaining and analyzing observed transcriptome and proteome time series by literature and database knowledge. The starting point of a formal concept analysis model is presented. The objects of a formal context are states of the interesting entities, and the attributes are the variable properties defining the current state (e.g. observed presence or absence of proteins). Temporal transitions assign a relation to the objects, defined by deterministic or non-deterministic transition rules between sets of pre- and postconditions. This relation can be generalized to its transitive closure, i.e. states are related if one results from the other by a transition sequence of arbitrary length. The focus of the work is the adaptation of the attribute exploration algorithm to such a relational context, so that questions concerning temporal dependencies can be asked during the exploration process and be answered from the computed stem base. Results are given for the abstract example of a game and a small gene regulatory network relevant to a biomedical question.

연구 동기 및 목표

• 형식적 개념 분석(FCA)을 사용하여 생물학적 시스템의 이산적인 시간 전이를 모델링하기 위한 공식적 프레임워크를 개발하기 위해.
• 시간에 따라 결정론적 또는 비결정론적 상태 전이를 인코딩하는 관계적 문맥에 대해 특성 탐색 알고리즘을 적응시키기 위해.
• 실험적 시간 시리즈 데이터를 사용하여 유전자 조절 네트워크의 시간적 의존성에 대한 상호작용적 가설 생성 및 검증을 가능하게 하기 위해.
• 관련 문헌 및 데이터베이스 지식을 관측된 실험 데이터와 통합하여 전사체 역학을 설명하거나 예측하기 위해.
• 유전자 발현 조절의 시간적 의존성을 포괄하는 최소한의 유효 함의 집합(스템 기반)을 도출하기 위해.

제안 방법

• 생물학적 시스템을 관계적 문맥 ((G,R),M,I)으로 모델링하며, 여기서 G는 상태의 집합, R은 상태 간 전이 관계, M은 속성의 집합(예: 유전자 존재/부재)이다.
• 각 상태 φ를 실체 E에서 유동량 F(예: mRNA 또는 단백질 농도)로의 사상으로 표현하며, 특정 유전자 제품의 존재 또는 부재를 나타내는 속성이 포함된다.
• 전이 관계의 추이적 폐쇄에 특성 탐색을 적용하여 속성 집합 간 유효한 함의를 발견한다.
• Duquenne-Guigues(스템) 기반을 사용하여 문맥 내에서 논리적으로 유도 가능한 모든 관계를 표현함으로써 최소화되고 완전한 규칙 집합을 보장한다.
• 관측된 시간 시리즈 데이터와 함께 배경 지식(예: Transpath 및 PathwayStudio와 같은 데이터베이스에서 유래)을 통합하여 함의 기반을 정밀화한다.
• B → eventual(m) 및 B → never(m)와 같은 논리적 질의를 사용하여 시간적 행동을 평가하고 가설을 검증한다.

실험 결과

연구 질문

• RQ1 형식적 개념 분석(FCA)은 어떻게 생물학적 시스템, 예를 들어 유전자 조절 네트워크와 같은 시간 전이를 모델링하기 위해 확장될 수 있는가?
• RQ2 특성 탐색을 사용하여 시간 시리즈 전사체 및 단백체 데이터로부터 자동으로 발견할 수 있는 유전자 발현 상태 간의 함의는 무엇인가?
• RQ3 생물학적 데이터베이스에서 유래한 배경 지식은 관측된 실험 관찰과 어떻게 통합되어 추론된 조절 규칙의 정확도를 향상시킬 수 있는가?
• RQ4 모델에서 유도된 함의 기반의 스템 기반은 실험 조건 하에서 유전자 발현의 시간적 역학을 예측할 수 있는가?
• RQ5 유도된 함의 구조에서 유추할 수 있는 시간적 행동 유형(예: 진동, 안정성)은 무엇인가?

주요 결과

• 결합 지식과 관측 데이터로부터 유도된 스템 기반은 IL-1β/TNF-α 신호 전달 네트워크의 핵심 조절 의존성을 포괄하는 22개의 함의를 포함한다.
• Il1β.pres in → Tnfα.pres in 및 Tnfα.abs in → Il1β.pres in과 같은 함의는 네트워크 내 피드백 및 피드포워드 조절 패턴을 드러낸다.
• 모델은 어떤 시점에서 Il1β 또는 TNFα의 발현 증가가 이전에 존재했음을 시사함으로써 알려진 생물학적 피드백 순환을 정확히 식별한다.
• 이 방법은 B → eventually(m)와 같은 논리적 질의를 통해 주어진 초기 조건으로부터 특정 유전자 상태에 도달 가능한지 여부를 판단할 수 있게 한다.
• 이 접근법은 상태 공간을 통해 일관된 전이 경로를 식별함으로써 3점 시간 시리즈를 성공적으로 설명한다.
• 스템 기반은 유도된 문맥에 대한 집합 연산을 통해 진동 행동 및 안정 상태를 탐지할 수 있도록 한다.