[논문 리뷰] CoDiNA: an RPackage for Co-expression Differential Network Analysis in n Dimensions

Deisy Morselli Gysi, Tiago Miranda Fragoso외 2명|arXiv (Cornell University)|2018. 02. 02.

Bioinformatics and Genomic Networks인용 수 2

한 줄 요약

CoDiNA는 n차원에서 공발현 차별 네트워크 분석을 위한 R 패키지로, 조건 간 공통, 특정, 부호 변화가 있는 링크를 식별하여 다수의 유전자 공발현 네트워크 간 통계적 비교를 가능하게 한다. 이는 다양한 종류의 암에서 유전자 온톨로지 그룹의 기능적 풍부도 차이를 드러내며, 이는 이중 비교를 넘어서 생물학적으로 의미 있는 네트워크 변화를 탐지할 수 있음을 보여준다.

ABSTRACT

Biological and Medical science is increasingly acknowledging the use of gene co-expression networks for the analysis of complex systems or diseases. In many studies, the goal is not only to describe a network, but to investigate how this network is changing under different conditions, with respect to certain diseases, or between different species. While methods for comparing two networks exist, this is not the case for comparing multiple networks, although this is a common aim of many studies. Moreover, much of the power of network analyses is lost when restricting a comparison to solely determining presence/absence of nodes and links. Here we present a method for the comparison of an unlimited number of networks: Co-expression Differential Network Analysis (CoDiNA). Our method distinguishes between links that are common to all networks, links that are specific to only one of the compared networks, and links that are different in that their sign changes between networks. Importantly, we developed a statistical framework to normalize between these different categories of common or changed network links. Our approach also allows us to categorize nodes as dominated by common, specific, or differentiated links. We demonstrate the usage of our new method by presenting the analysis of a dataset consisting of different types of cancers. We revealed common, specific, and differentiated links between cancer types and show that each category of links is enriched for genes with distinct Gene Ontology groups. This suggests that our method can detect functional differences. CoDiNA has been implemented in an R package that is available from CRAN.

연구 동기 및 목표

• 두 개 이상의 유전자 공발현 네트워크를 동시에 비교하기 위한 방법의 부족을 해결하기 위해.
• 기존 접근 방식이 링크의 유무에만 초점이 맞춰져 있어 정량적 또는 부호 기반의 차이를 고려하지 못하는 한계를 극복하기 위해.
• 다양한 네트워크 간 공통, 특정, 차별화된 링크와 같은 링크 카테고리의 상대적 빈도와 유의성을 비교하기 위한 통계적 프레임워크를 개발하기 위해.
• 각 유전자와 연결된 링크 패턴(공통, 특정, 차별화됨)에 기반한 노드의 분류를 통해 기능적 해석을 가능하게 하기 위해.
• 이 방법이 복잡한 질환(예: 암)에서 생물학적으로 관련이 있는 네트워크 변화를 탐지하는 데의 유용성을 입증하기 위해.

제안 방법

• 이 방법은 무제한 수의 조건 또는 그룹 간 유전자 공발현 네트워크의 이원 비교를 수행한다.
• 네트워크 링크를 세 가지 카테고리로 분류한다: 공통(모든 네트워크에 존재), 특정(오직 한 개의 네트워크에만 존재), 차별화됨(다수의 네트워크에 존재하지만 부호가 변화함).
• 이러한 링크 카테고리의 상대 빈도와 유의성을 네트워크 간 비교하기 위해 통계적 정규화 프레임워크를 적용한다.
• 각 유전자와 관련된 링크의 비율과 유형(공통, 특정, 차별화됨)에 기반하여 노드 수준의 분류를 수행한다.
• 부분상관관계 네트워크를 사용하여 공발현 관계를 추론하며, 유의성은 순열 검정을 통해 평가한다.
• 이 방법은 CRAN에 배포된 R 패키지로 구현되어 있으며, 광범위한 접근성과 기존 생물정보학 워크플로우에의 통합을 가능하게 한다.

실험 결과

연구 질문

• RQ1 다중 유전자 공발현 네트워크를 이중 비교를 넘어서 체계적으로 비교하는 방법은 무엇인가?
• RQ2 다양한 생물학적 조건 간에 감지 가능한 네트워크 링크 변화 유형(공통, 특정, 부호 변화)은 무엇인가?
• RQ3 다른 링크 카테고리와 관련된 유전자는 서로 다른 생물학적 기능을 풍부하게 하는가?
• RQ4 이 방법은 질병 아형 간 네트워크 아키텍처의 의미 있는 기능적 차이를 탐지할 수 있는가?
• RQ5 다양한 네트워크 간 이질적인 링크 카테고리 간 비교에 통계적 정규화를 적용하는 방법은 무엇인가?

주요 결과

• CoDiNA는 다양한 암 유형 간 공통, 특정, 부호 변화가 있는 공발현 링크를 성공적으로 식별하였다.
• 특정 링크와 관련된 유전자는 세포 주기 및 증식과 관련된 유전자 온톨로지 어휘어를 풍부하게 하였다.
• 차별화된(부호 변화가 있는) 엣지로 연결된 유전자는 프로그램된 세포 사멸 및 면역 반응과 관련된 어휘어를 풍부하게 하였다.
• 공통 링크에 의해 지배되는 유전자는 주로 주기적 기능과 대사 기능을 풍부하게 하였다.
• 이 방법은 각 링크 유형에 대해 별개의 기능적 프로필을 드러내며, 생물학적 관련성을 뒷받침하였다.
• R 패키지 구현을 통해 다중 네트워크 공발현 차이에 대한 재현 가능하고 확장 가능한 분석이 가능해졌다.