[논문 리뷰] Computational identification of transcription factor binding sites by functional analysis of sets of genes sharing overrepresented upstream motifs

Davide Corà, Ferdinando Di Cunto외 3명|ArXiv.org|2003. 10. 31.

Genomics and Chromatin Dynamics참고 문헌 20인용 수 12

한 줄 요약

이 논문은 전사 인자 결합 부위를 식별하기 위한 계산적 방법을 제안하며, 상류 유전자 영역에서 과도하게 나타나는 모티프를 탐지하고, 유전체 기능 분류(Gene Ontology, GO) 어조에서의 기능적 풍부도를 통해 이를 검증한다. 과도하게 나타나는 모티프를 공유하는 유전자들을 그룹화하고, GO 어조에서의 유의미한 풍부도를 검정함으로써, *S. cerevisiae*에서 기존에 알려진 것과 새로운 조절 요소를 식별한다. 이 방법은 실질적인 무작위화를 통해 가짜 발견률(false discovery rate)을 통제하여, 단순히 발현 데이터에 의존하는 방법보다 신뢰도를 높인다.

ABSTRACT

BACKGROUND: Transcriptional regulation is a key mechanism in the functioning of the cell, and is mostly effected through transcription factors binding to specific recognition motifs located upstream of the coding region of the regulated gene. The computational identification of such motifs is made easier by the fact that they often appear several times in the upstream region of the regulated genes, so that the number of occurrences of relevant motifs is often significantly larger than expected by pure chance. RESULTS: To exploit this fact, we construct sets of genes characterized by the statistical overrepresentation of a certain motif in their upstream regions. Then we study the functional characterization of these sets by analyzing their annotation to Gene Ontology terms. For the sets showing a statistically significant specific functional characterization, we conjecture that the upstream motif characterizing the set is a binding site for a transcription factor involved in the regulation of the genes in the set. CONCLUSIONS: The method we propose is able to identify many known binding sites in S. cerevisiae and new candidate targets of regulation by known transcription factors. Its application to less well studied organisms is likely to be valuable in the exploration of their regulatory interaction network.

연구 동기 및 목표

• 표현 데이터에만 의존하는 것과는 달리 기능적 애너테이션을 활용하여 전사 인자 결합 부위의 계산적 식별을 향상시키는 것.
• 마이크로어레이 기반 검증의 한계, 즉 실험적 편향과 작은 유전자 집합에 대한 낮은 민감도를 해결하는 것.
• 유전체 기능 분류(GO) 어조의 풍부도를 검증 기준으로 삼아 생물학적으로 의미 있는 조절 모티프를 탐지할 수 있는 강력한 방법을 개발하는 것.
• 무작위로 선택된 유전자 집합을 사용하여 실질적인 무작위화를 통해 가짜 발견률을 추정함으로써, 모티프-유전자 연관성에서의 가짜 양성 결과를 통제하는 것.
• 표현 데이터가 제한되거나 이용할 수 없는 덜 연구된 생물에 대해서도 이 방법의 유용성을 높이기 위해 표현형 데이터에 의존하지 않는 기능적 검증 프레임워크를 제공하는 것.

제안 방법

• 모든 5~8개 염기의 모티프에 대해, 배경 빈도 대비 상류 영역에서 유의미하게 과도하게 나타나는 모티프를 가진 유전자들을 모티프별 유전자 집합으로 묶는다.
• 각 모티프-유전자 집합의 기능적 특성은 초기확률 검정을 사용하여 유전체 기능 분류(GO) 어조에서의 유의미한 풍부도를 검정함으로써 수행된다.
• 가짜 발견률(FDR)은 일반적으로 20개 유전자로 구성된 350만 개의 무작위 유전자 집합을 생성하여, GO 분지별로 최적의 P-값 분포를 계산함으로써 실질적으로 추정한다.
• FDR는 무작위 집합에서 기대되는 가짜 발견 수를 관측된 유의미한 연관성과 비교하여 계산되며, 통계적 신뢰도를 확보하기 위한 컷오프 선택에 기여한다.
• 이 방법은 두 단계 검증을 사용한다: 모티프 과도성 탐지 후 GO 풍부도를 통한 기능적 일관성 검증으로, 마이크로어레이 데이터에 의존하지 않는다.
• 이 방법은 *S. cerevisiae*에 적용되었으며, 문헌(예: Ref. [5])에서 알려진 전사 인자-유전자 상호작용과 비교되었다.

실험 결과

연구 질문

• RQ1 유전체 기능 분류(GO) 어조에서의 기능적 풍부도가 계산적으로 식별된 전사 인자 결합 모티프에 대한 신뢰할 수 있는 검증으로 기능할 수 있는가?
• RQ2 수천 개의 모티프와 GO 어조를 동시에 검정할 때, 가짜 양성 모티프-유전자 연관성을 어떻게 통제할 수 있는가?
• RQ3 표현 기반 방법이 실험적 한계로 인해 놓치는 조절 모티프를 GO 기반 검증이 탐지할 수 있는가?
• RQ4 이 방법이 잘 애너테이션 처리된 생물인 *S. cerevisiae*에서 기존의 것과 새로운 조절 요소를 어느 정도 식별할 수 있는가?
• RQ5 표현 데이터가 제한되거나 이용할 수 없는 덜 연구된 생물에 대해서도 이 접근법을 일반화할 수 있는가?

주요 결과

• 이 방법은 모티프 연관 유전자 집합에서 GO 어조의 유의미한 기능적 풍부도를 통해 *S. cerevisiae*에서 많은 알려진 전사 인자 결합 부위를 성공적으로 식별하였다.
• 과도하게 나타나는 모티프를 공유하는 유전자들과 관련된 일관된 생물학적 기능을 연결함으로써, 알려진 전사 인자에 대한 새로운 후보 조절 타겟을 탐지하였다.
• 실질적인 무작위화를 통해 가짜 발견률을 0.01로 통제하여, 식별된 모티프-유전자 연관성에 대해 매우 높은 신뢰도를 확보하였다.
• GO 기반 검증은 표현 기반 방법을 보완하고 확장하며, 특히 강한 마이크로어레이 신호를 내지 못하는 작은 또는 기능적으로 일관된 유전자 집합에 대해 유용하다.
• 모의 실험을 통해 다양한 유전자 집합 크기에서 일관된 FDR 추정치를 보이며, 이 방법이 다양한 크기의 집합에 대해 강건함을 입증하였다.
• 실험적으로 확인된 전사 인자 타겟(Ref. [5] 참조)과의 체계적 비교에서, 유의미한 GO 풍부도를 보이는 모티프-유전자 집합이 알려진 TF 조절 유전자들과 매우 뚜렷한 겹침을 보였다(P < 10⁻⁵, 많은 경우에서).