[논문 리뷰] Computational neuroanatomy and gene expression: optimal sets of marker genes for brain regions

Pascal Grange, Partha P. Mitra|Cold Spring Harbor Laboratory Institutional Repository (Cold Spring Harbor Laboratory)|2012. 05. 11.

Gene expression and cancer classification참고 문헌 12인용 수 5

한 줄 요약

이 논문은 앨런 마우스 뇌 아틀라스를 사용하여 뇌 영역의 최적의 마커 유전자 집합을 식별하기 위한 정량적이고 최적화 기반 기준을 제안한다. 일반화된 고유값 문제와 L1-L2 정규화 최적화 문제로 공식화된 국소화 및 피팅 스코어를 조합함으로써, 양의 계수와 음의 계수를 모두 갖는 유전자 조합을 사용하여 주요 뇌 영역에서 거의 완벽한 공간 국소화를 달성한다. 유일한 예외는 펄리드럼이다.

ABSTRACT

The three-dimensional data-driven Allen Gene Expression Atlas of the adult mouse brain consists of numerized in-situ hybridization data for thousands of genes, co-registered to the Allen Reference Atlas. We propose quantitative criteria to rank genes as markers of a brain region, based on the localization of the gene expression and on its functional fitting to the shape of the region. These criteria lead to natural generalizations to sets of genes. We find sets of genes weighted with coefficients of both signs with almost perfect localization in all major regions of the left hemisphere of the brain, except the pallidum. Generalization of the fitting criterion with positivity constraint provides a lesser improvement of the markers, but requires sparser sets of genes.

연구 동기 및 목표

• 성체 마우스 뇌에서 뇌 영역의 공간 경계를 정확히 반영하는 마커 유전자를 식별하기 위한 정량적이고 데이터 기반의 기준을 개발하는 것.
• 단일 유전자 마커의 한계를 해결하기 위해, 가중치 계수를 갖는 최적의 유전자 집합으로 개념을 일반화하는 것.
• 수학적 최적화 기법을 활용하여 유전자 발현 패턴의 공간 국소화와 영역 형태에 대한 피팅 정확도를 향상시키는 것.
• 앨런 参照 아틀라스를 대상으로 성능을 평가하며, 특히 왼쪽 대뇌반구의 Big12 영역에 집중하는 것.
• 특히 양의 제약 조건 하에서, 유전자 집합의 피팅 정확도와 희박성 사이의 트레이드오프를 탐색하는 것.

제안 방법

• 유전자 발현 에너지의 특정 뇌 영역 내 비율을 정규화하여, 목표 뇌 영역 내에서의 국소화 스코어를 정의한다.
• 영역의 형태와의 정렬을 최대화하고 영역의 발현 프로파일에 대한 오차를 최소화하기 위해 일반화된 고유값 문제를 활용하여 최적의 유전자 집합을 찾는다.
• 피팅 문제에 L1-L2 정규화(에라스틱 넷 유사)를 적용하여, 피팅 오차와 유전자 집합 계수의 희박성 사이의 균형을 맞춘다.
• 정규화 파라미터 Λ가 피팅 정확도와 희박성 사이의 트레이드오프를 제어하는 파arameterized 최적화 프레임워크를 사용한다.
• 앨런 參照 아틀라스를 사용하여 영역별 지정자 벡터 χω와 200 μm 해상도의 in situ 하이브리드화에서 확보한 공유판정된 유전자 발현 데이터 E를 정의한다.
• 모든 Big12 뇌 영역에서 단일 유전자와 최적화된 유전자 집합 간의 피팅 스코어와 국소화 스코어를 계산하고 비교한다.

실험 결과

연구 질문

• RQ1 공간 발현 패턴을 기반으로 특정 뇌 영역의 마커로 평가할 수 있는 유전자를 신뢰성 있게 순위 매길 수 있는 정량적 기준은 무엇인가?
• RQ2 최적화된 계수(양과 음의 계수 포함)를 갖는 유전자 집합은 단일 유전자에 비해 뇌 영역의 국소화를 거의 완벽하게 달성할 수 있는가?
• RQ3 유전자 집합에 양의 계수와 음의 계수를 모두 포함할 경우, 영역 마커 식별의 정확도와 희박성에 어떤 영향을 미치는가?
• RQ4 유전자 집합 계수에 양의 제약 조건을 적용할 경우, 피팅 정확도와 희박성 사이의 트레이드오프는 어떻게 되는가?
• RQ5 제안된 최적화 프레임워크는 뇌 영역 경계를 정의하는 생물학적으로 의미 있는 유전자 조합을 어느 정도 탐지할 수 있는가?

주요 결과

• 양의 계수와 음의 계수를 모두 갖는 최적의 유전자 집합은 펄리드럼을 제외한 왼쪽 대뇌반구의 모든 주요 뇌 영역에서 거의 완벽한 국소화(국소화 스코어 ≈ 1)를 달성한다.
• L1-L2 정규화 최적화를 통해 유도된 최고의 피팅 유전자 집합은 단일 유전자보다 유의미하게 높은 피팅 정확도를 보이며, 특히 중뇌에서 가장 큰 향상이 관찰된다.
• 중뇌의 경우, 8개 유전자(예: Slc17a6, Ephb1, Sema3f)로 구성된 최고의 피팅 집합이 최고의 단일 유전자(Slc17a6)보다 훨씬 높은 피팅 스코어를 기록한다.
• 양의 제약 조건을 적용한 경우, 피팅 스코어 향상은 다소 뚜렷하지 않지만, 더 희박한 유전자 집합이 도출되며, 영역별로 최고의 피팅 집합에 포함된 유전자 수는 7에서 14개 사이로 변동한다.
• 이 방법은 영역에 특화된 최적의 유전자 집합을 식별하며, 대뇌皮질과 해마는 최고의 피팅 집합에서 최대 14개의 유전자를 필요로 한다.
• 이 프레임워크는 복잡하거나 잘 국소화되지 않는 영역에서 특히, 단일 마커가 아닌 복잡하고 비직관적인 유전자 조합이 뇌 영역의 공간 발현 패턴을 가장 잘 반영한다는 것을 드러낸다.