[논문 리뷰] Increasing stability and interpretability of gene expression signatures

Anne-Claire Haury, Laurent Jacob외 1명|arXiv (Cornell University)|2010. 01. 18.

Gene expression and cancer classification참고 문헌 13인용 수 9

한 줄 요약

이 논문은 생물학적 유전자 네트워크를 통해 선택된 유전자 간의 연결성을 강제함으로써 유전자 발현 서명의 해석 가능성과 안정성을 향상시키기 위해 그래프 로소 기반 방법과 안정성 선택을 제안한다. 이 방법은 예측 정확도를 희생시키지 않은 채 생물학적으로 일관된 군집화된 서명—예를 들어 리보솜 및 세포 주기 경로—을 도출한다. 기존 로소 방법에 비해 해석 가능성에서 뚜렷한 향상을 이룬다.

ABSTRACT

Motivation : Molecular signatures for diagnosis or prognosis estimated from large-scale gene expression data often lack robustness and stability, rendering their biological interpretation challenging. Increasing the signature's interpretability and stability across perturbations of a given dataset and, if possible, across datasets, is urgently needed to ease the discovery of important biological processes and, eventually, new drug targets. Results : We propose a new method to construct signatures with increased stability and easier interpretability. The method uses a gene network as side interpretation and enforces a large connectivity among the genes in the signature, leading to signatures typically made of genes clustered in a few subnetworks. It combines the recently proposed graph Lasso procedure with a stability selection procedure. We evaluate its relevance for the estimation of a prognostic signature in breast cancer, and highlight in particular the increase in interpretability and stability of the signature.

연구 동기 및 목표

• 고차원 데이터로부터 유도된 전통적인 유전자 발현 서명의 낮은 안정성과 해석 가능성 문제를 해결하기 위해.
• 사전 정의된 유전자 네트워크 내에서 서명 유전자 간의 연결성을 강제함으로써 생물학적 해석 가능성을 향상시키기 위해.
• 안정성 선택을 통해 데이터 세트의 변형에 대한 서명의 안정성을 높이기 위해.
• 예측 정확도를 유지하면서도 생물학적 관련성과 내성 향상을 위한 서명의 개선을 위해.

제안 방법

• 유전자 네트워크 내에서 연결된 유전자를 선택하도록 유도하는 그래프 기반 펜alty를 도입함으로써 로소 회귀를 확장한 방법을 사용한다.
• 그래프 로소 절차를 통해 고밀도로 연결된 하위네트워크로 구성된 서명을 유도하고 고립된 유전자를 피하기 위한 방법을 적용한다.
• 반복적으로 훈련 데이터를 부분 샘플링하고 특징 선택 결과를 집계함으로써 안정성을 향상시키기 위해 안정성 선택을 적용한다.
• 다양한 부분 샘플에서 일관되게 선택된 유전자를 기반으로 최종 서명을 선정함으로써 안정성을 높인다.
• 이 방법은 볼록 최적화 문제로 공식화되어 유일한 해를 보장하며 효율적으로 계산할 수 있다.
• 유전자 상호작용 등의 사전 생물학적 지식을 그래프 구조를 통해 통합하여 특징 선택을 안내한다.

실험 결과

연구 질문

• RQ1 특징 선택에 생물학적 유전자 네트워크를 통합하면 유전자 발현 서명의 해석 가능성 향상에 기여하는가?
• RQ2 그래프 로소와 안정성 선택을 조합함으로써 데이터 세트의 변형에 대한 선택된 유전자 서명의 안정성이 향상되는가?
• RQ3 이러한 방법은 예측 성능 저하 없이 생물학적으로 의미 있는 하위네트워크(예: 경로)를 도출할 수 있는가?
• RQ4 기본 로소 방법에 비해 이러한 서명은 연결성, 생물학적 일관성, 내성 측면에서 어떻게 다른가?

주요 결과

• 그래프 로소와 안정성 선택을 통한 서명은 60개 유전자로 구성된 서명을 도출하였으며, 두 개의 주요 연결된 구성 요소를 포함한다: 하나는 리보솜 단백질과 DNA 복구 유전자(예: RAD51, RAD50, BRCA1/2)로 풍부한데, 다른 하나는 세포 주기 조절 유전자(예: E2F1, CCNB2, CDC25B)로 구성된다.
• 반면, 표준 로소 서명은 대부분 고립된 유전자들로 이루어져 있으며, 리보솜 유전자 4개로 이루어진 작은 연결된 구성 요소만 존재하여 생물학적 해석이 더 어려웠다.
• 그래프 로소 서명은 특히 20~60개 유전자 서명에서 더 높은 연결성 지수를 보이며 강한 네트워크 군집화를 나타내어 유의미하게 높은 연결성을 보였다.
• 이 방법은 로소와 유사한 예측 정확도를 유지하여, 해석 가능성과 안정성 향상이 성능 저하 없이 이루어졌음을 입증하였다.
• 다만 개선에도 불구하고, 유방암의 생물학적 이질성(예: 기저성 대비 유선성 아형)으로 인해 데이터 폴드 간 서명의 불안정성이 여전히 존재하였다.
• 결과적으로 단일의 보편적인 안정적 서명이 존재하지는 않지만, 네트워크 제약이 가해진 서명은 생물학적으로 의미 있는 모듈을 드러내어 기능 분석에 더 적합한 결과를 제공한다.