[논문 리뷰] Graph Curvature and the Robustness of Cancer Networks

Allen Tannenbaum, Chris Sander외 6명|arXiv (Cornell University)|2015. 02. 16.

Bioinformatics and Genomic Networks참고 문헌 39인용 수 13

한 줄 요약

이 논문은 정상 대비 암 네트워크의 기능적 내성에 대해 기하적 척도로 그래프 리치 피보르 곡률을 사용하여 측정하는 것을 제안한다. 암 네트워크와 정상 네트워크 간의 리치 곡률 차이를 계산하여, 높은 곡률 차이를 보이는 핵심 유전자 상호작용을 특정하고, 이는 잠재적 치료 표적으로 드러낸다; 이 방법은 증가한 곡률과 네트워크 내성 간의 강한 상관관계를 보이며, 유방암과 신장암 네트워크에서 정량적 허브 상호작용 순위와 함께 검증된다.

ABSTRACT

The importance of studying properties of networks is manifest in diverse fields ranging from biology, engineering, physics, chemistry, neuroscience, and medicine. The functionality of networks with regard to performance, throughput, reliability and robustness is strongly linked to the underlying geometric and topological properties of the network and this is the focus of this paper, especially as applied to certain biological networks. The fundamental mathematical abstraction of a network as a weighted graph brings to bear the tools of graph theory--a highly developed subject of mathematical research. But more importantly, recently proposed geometric notions of curvature on very general metric measure spaces allow us to utilize a whole new set of tools and ideas that help quantify functionality and robustness of graphs. In particular, robustness is closely connected to network entropy which, in turn, is very closely related to curvature. We will see that there are a number of alternative notions of discrete curvature that are compatible with the classical Riemannian definition, each having its own advantages and disadvantages, and are relevant to networks of interest. We will concentrate on the role of curvature for certain key cancer networks in order to quantitatively indicate their apparent functional robustness relative to their normal counterparts.

연구 동기 및 목표

• 암 네트워크에서 네트워크 곡률과 기능적 내성 간의 관계를 조사하는 것.
• 가중치가 부여된 생물학적 네트워크에서 내성을 평가하기 위한 이산 리치 곡률을 활용한 기하학적 프레임워크를 개발하는 것.
• 암 네트워크와 정상 네트워크 간의 곡률 차이를 비교하여 핵심 허브와 잠재적 약물 표적을 규명하는 것.
• 복잡계에서 곡률, 엔트로피, 네트워크 내성 간의 관계를 탐색하는 것.
• 최적 운반 이론과 메트릭 측도 공간 이론의 적용을 체계 생물학과 암 연구에 확장하는 것.

제안 방법

• 논문은 가중치가 부여된 그래프로 표현된 유전자 상호작용 네트워크에 대해 올리비에-리치 곡률을 적용하며, 지구 이동 거리(워샤르슈타인 거리)를 사용하여 곡률을 정의한다.
• 암 네트워크와 정상 네트워크 간의 리치 곡률 차이(ΔRicci 곡률)를 계산하여 내성 차이를 정량화한다.
• 이 방법은 라플라시안 행렬과 최적 운반을 활용하여 대규모 생물학적 네트워크에서 효율적으로 곡률을 계산한다.
• 저자들은 워샤르슈타인 거리를 사용하여 지오데식 경로를 정의하고 엔트로피의 볼록도를 측정하며, 곡률을 네트워크 엔트로피와 연결한다.
• 스칼라 곡률과 리치 곡률을 통해 위상적 및 기하적 성질을 분석하며, 결과는 곡률 차이 기준으로 순위를 매긴다.
• 이 방법은 MSKCC의 전사 네트워크를 대상으로 검증되었으며, 유방암 및 신장암 네트워크를 정상 조직 네트워크와 비교한다.

실험 결과

연구 질문

• RQ1 그래프 리치 피보르 곡률은 암 네트워크의 기능적 내성과 어떻게 관련이 있는가?
• RQ2 암 네트워크와 정상 네트워크 간에 뚜렷한 곡률 차이를 보이는 핵심 유전자 상호작용은 무엇인가?
• RQ3 곡률이 생물학적 시스템에서 네트워크 엔트로피와 내성의 대체 지표로 얼마나 잘 작용하는가?
• RQ4 곡률 차이가 암 네트워크에서 잠재적 치료 표적으로서 식별될 수 있는가?
• RQ5 곡률 기반 지표는 네트워크 내성 평가에서 엔트로피와 어떻게 비교되는가?

주요 결과

• 유방암에서 상위 랭킹을 기록한 유전자 쌍 RNF43-RSPO3는 ΔRicci 곡률 0.3504를 보이며, 암 네트워크의 높은 내성을 나타낸다.
• 신장암에서 RNF43-TP53 쌍은 ΔRicci 곡률 -0.3651을 보이며, 암 네트워크에서의 내성 손실이 심각함을 시사한다.
• 암 네트워크와 정상 네트워크 간 평균 스칼라 곡률 차이는 유방암에서 0.4292, 신장암에서 0.0728로, 후자의 경우 더 높은 내성을 보임을 나타낸다.
• 연구는 증가한 곡률과 네트워크 내성 간의 강한 양의 상관관계를 발견하여, 곡률이 내성 지표로 유의미함을 뒷받침한다.
• 유방암 네트워크에서 상위 랭킹을 기록한 곡률 쌍인 LMO1-LYL1(ΔRicci = 0.2370)과 MAF-NFATC2(ΔRicci = 0.2204)는 핵심 허브로 규명되었다.
• 신장암에서 하위 랭king을 기록한 쌍인 RNF43-TP53(ΔRicci = -0.3651)는 가장 부정적인 곡률 차이를 보이며, 암 네트워크의 취약성을 시사한다.