[논문 리뷰] Finding Communities of Related Genes

Dennis M. Wilkinson, Bernardo A. Huberman|arXiv (Cornell University)|2002. 10. 07.

Bioinformatics and Genomic Networks인용 수 9

한 줄 요약

이 논문은 생물의학 문헌 내 공통 등장 패턴을 기반으로 기능적으로 관련된 유전자 커뮤니티를 식별하기 위해 그래프 기반 방법을 제안한다. 유전자 상호작용을 멱법칙 정도 분포를 가지는 네트워크로 모델링하고 중심성 중심성 알고리즘을 적용함으로써 생물학적으로 의미 있는 유전자 커뮤니티를 탐지하며, 이는 당뇨병 관련 유전자 집합에서 가중치가 부여된 소속 관계를 통해 효과적으로 입증되었다.

ABSTRACT

We present an automated method of identifying communities of functionally related genes from the biomedical literature. These communities encapsulate human gene and protein interactions and identify groups of genes that are complementary in their function. We use graphs to represent the network of gene cooccurrences in articles mentioning particular keywords, and find that these graphs consist of one giant connected component and many small ones. In addition, the vertex degree distribution of the graphs follows a power law, whose exponent we determine. We then use an algorithm based on betweenness centrality to identify community structures within the giant component. The different structures are then aggregated into a final list of communities, whose members are weighted according to how strongly they belong to them. Our method is efficient enough to be applicable to the entire Medline database, and yet the information it extracts is significantly detailed, applicable to a particular problem, and interesting in and of itself. We illustrate the method in the case of colon cancer and demonstrate important features of the resulting communities.

연구 동기 및 목표

• 유전자 기능에 대한 사전 지식 없이 생물의학 문헌에서 기능적으로 관련된 유전자 커뮤니티를 자동으로 식별하고자 한다.
• 특정 키워드를 포함하는 논문에서의 공통 등장 패턴을 통해 유전자 상호작용을 모델링하여 암묵적인 기능적 관계를 포착하고자 한다.
• Medline과 같은 대규모 데이터베이스에 적용 가능한 확장성 있고 효율적인 알고리즘을 개발하고자 한다.
• 기능적으로 보완적인 역할을 반영하는 세부적이고 생물학적으로 의미 있는 유전자 군집을 추출하고자 한다.
• 특정 질병 맥락—대장암—에서 이 방법을 검증하여 체계생물학 분야에서의 유용성을 입증하고자 한다.

제안 방법

• 노드가 유전자이고, 특정 키워드를 포함하는 논문에서 함께 등장하는 유전자 쌍 간의 간선으로 구성된 유전자 공통 등장 네트워크를 구축한다.
• 네트워크를 거대 연결 성분과 다수의 소규모 성분을 가진 그래프로 모델링하며, 멱법칙 정도 분포를 나타낸다.
• 거대 성분 내에서 커뮤니티 구조를 탐지하기 위해 중심성 중심성 기반 알고리즘을 적용한다.
• 탐지된 커뮤니티를 종합하여 최종 목록을 구성하며, 각 유전자에 대해 소속 강도에 따라 가중치를 할당한다.
• 예를 들어 대장암과 같은 관련 생물학적 맥락을 향상시키기 위해 키워드 필터링을 활용한다.
• 네트워크의 통계적 성질(예: 멱법칙 지수)을 활용하여 커뮤니티 탐지의 강건성을 검증한다.

실험 결과

연구 질문

• RQ1 생물의학 문헌 내 유전자 공통 등장 패턴이 생물학적으로 의미 있는 기능적 커뮤니티를 드러낼 수 있는가?
• RQ2 유전자 공통 등장 네트워크의 위상적 성질—예를 들어 정도 분포와 연결성—은 커뮤니티 탐지에 어떤 영향을 미치는가?
• RQ3 중심성 중심성 기반 알고리즘이 대규모 문헌 기반 네트워크에서 일관된 유전자 커뮤니티를 식별할 수 있는 정도는 어느 정도인가?
• RQ4 유전자 커뮤니티 내 소속 관계를 기능적 관련성에 비례하여 정량적으로 가중치화할 수 있는가?
• RQ5 이 방법은 대장암 관련 유전자 네트워크 식별과 같은 실제 생물학 문제에 효과적으로 적용될 수 있는가?

주요 결과

• Medline에서 유도된 유전자 공통 등장 네트워크는 멱법칙 정도 분포를 나타내며, 스케일프리 성질을 갖는다.
• 네트워크에는 하나의 주요 거대 연결 성분이 존재하여 유전자 간 광범위한 기능적 상호연결성을 시사한다.
• 중심성 중심성 알고리즘이 대장암 맥락에서 생물학적으로 관련된 유전자 커뮤니티를 성공적으로 탐지한다.
• 유전자 커뮤니티는 기능적으로 관련된 유전자로 풍부하게 구성되어 있으며, 이는 본 방법이 보완적인 생물학적 역할을 포착할 수 있음을 보여준다.
• 본 방법은 가중치가 부여된 소속 관계를 생성하여 다수의 기능 그룹에서의 유전자 참여 정도를 세밀하게 해석할 수 있다.
• 본 접근법은 확장 가능하며 전체 Medline 데이터베이스에 적용 가능하여 대규모 체계생물학 분석을 가능하게 한다.