[논문 리뷰] Biological Systems as Heterogeneous Information Networks: A Mini-review and Perspectives

Koki Tsuyuzaki, Itoshi Nikaido|arXiv (Cornell University)|2017. 12. 24.

Bioinformatics and Genomic Networks참고 문헌 59인용 수 10

한 줄 요약

이 초록 리뷰는 유전자, 단백질, 대사물질과 같은 다양한 생물학적 데이터 유형을 통합하여 복합적인 생물학적 시스템을 통합된 네트워크 프레임워크로 모델링하기 위해 이질적 정보 네트워크(HINs)를 제안한다. 경로 기반 유사도 및 메타패스 탐색과 같은 HIN 전용 방법을 활용함으로써 복잡한 생물학적 관계에 대한 고도의 분석이 가능해지며, 시스템 생물학과 신약 개발 분야에 새로운 통찰을 제공한다.

ABSTRACT

In the real world, most objects and data have multiple types of attributes and inter-connections. Such data structures are named "Heterogeneous Information Networks" (HIN) and have been widely researched. Biological systems are also considered to be highly complicated HIN. In this work, we review various applications of HIN methods to biological and chemical data, discuss some advanced topics, and describe some future research directions.

연구 동기 및 목표

• 다양한 생물학적 데이터(예: 유전자, 단백질, 약물)를 통합된 분석 프레임워크로 통합하는 데 도전하는 데 목적이 있다.
• 기존의 동질적 네트워크를 초월하여 이질적 정보 네트워크(HINs)가 복잡한 생물학적 시스템을 모델링하는 데의 유용성을 입증하는 데 목적이 있다.
• 생물학적 데이터에 적용 가능한 HIN의 주요 방법론적 진전, 예를 들어 메타패스 기반 유사도 및 HIN 임bedding를 식별하는 데 목적이 있다.
• HIN 기반 접근법을 활용하여 시스템 생물학, 신약 개발 및 네트워크 의학 분야의 향후 연구 방향을 요약하는 데 목적이 있다.
• 정보 과학과 시스템 생물학 간 격차를 해소하기 위해 생물학적 네트워크 분석에서 HIN 기반 접근법을 촉진하는 데 목적이 있다.

제안 방법

• 노드가 다양한 생물학적 실체(예: 유전자, 단백질, 약물)를 나타내고, 간선이 여러 종류의 생물학적 관계를 나타내는 이질적 정보 네트워크(HINs)로 생물학적 시스템을 모델링한다.
• 사용자가 정의한 경로인 메타패스를 사용하여 이질적 노드와 간선 간의 복잡한 의미적 관계(예: 단백질 중간 매개체를 통해 유전자-질병 연관성)를 포착한다.
• 사전 정의된 메타패스를 사용하여 경로 기반 유사도 측정법을 적용하여 생물학적 실체 간의 의미적 유사도를 계산한다.
• 노드의 구조적 및 의미적 정보를 유지하는 저차원 벡터 표현을 학습하기 위해 HIN 임베딩 기법을 활용한다.
• genomic, proteomic, metabolomic을 포함한 다오미크스 데이터를 하나의 HIN에 통합하여 다중 모odal 생물학적 추론을 가능하게 한다.
• 유전자 기능 예측, 약물-타겟 상호작용 예측, 질병 유전자 우선순위 정하기와 같은 후행 작업을 위해 HIN 기반 방법을 활용한다.

실험 결과

연구 질문

• RQ1 다양한 생물학적 데이터는 어떻게 단일 통합 네트워크 구조로 효과적으로 모델링될 수 있는가?
• RQ2 복잡한 생물학적 시스템에서 의미적 관계를 포착하는 데 가장 효과적인 HIN 기반 방법은 무엇인가?
• RQ3 메타패스 기반 접근법은 생물학적 실체 유사도 및 예측 작업의 정확도를 어떻게 향상시키는가?
• RQ4 시스템 생물학 및 생물의학 데이터에 HIN을 적용할 때의 주요 과제와 제약 조건는 무엇인가?
• RQ5 HIN의 응용을 향상시키기 위한 향후 연구 방향은 무엇인가?

주요 결과

• 이질적 정보 네트워크는 유전자, 단백질, 약물, 질병과 같은 다양한 생물학적 데이터 유형을 단일 분석 프레임워크로 효과적으로 통합한다.
• 메타패스 기반 유사도 측정법은 동질적 네트워크 접근법에 비해 기능적으로 관련된 생물학적 실체를 더 잘 식별하는 데 기여한다.
• HIN 임베딩 방법은 구조적 및 의미적 관계를 모두 유지하여 유전자-질병 연관성 및 약물-타겟 상호작용 예측에 정확도를 높인다.
• HIN 통합을 통해 다오미크스 데이터를 통합함으로써 복잡한 생물학적 과정과 조절 네트워크에 대한 시스템 수준의 통찰을 제공한다.
• HIN 기반 접근법은 간접적인 생물학적 연관성을 활용하여 후보 질병 유전자 우선순위 정리 및 기존 약물의 재활용에 강력한 잠재력을 보인다.
• 이 리뷰는 확장성 문제와 분야 간 표준화된 메타패스 정의가 부족한 점과 같은 주요 과제를 규명한다.