[논문 리뷰] Mapping of Affymetrix probe sets to groups of transcripts using transcriptional networks

Michel Bellis|arXiv (Cornell University)|2012. 01. 10.

Gene expression and cancer classification참고 문헌 8인용 수 4

한 줄 요약

이 논문은 전사적 네트워크를 분석하여 저항성 부정적 상관관계, 높은 양의 상관관계 및 유사한 이웃 구조를 활용하여 Affymetrix 프로브 세트를 전사체 그룹으로 매핑하는 네트워크 기반 방법을 제안한다. 이 방법은 높은 신뢰도로 겹치는 전사체 그룹을 타겟으로 하는 프로브 세트를 식별하며, 여러 네트워크를 통해 검증되어 그룹화에 대한 확신을 높인다.

ABSTRACT

Motivation: Usefulness of analysis derived from Affymetrix microarrays depends largely upon the reliability of files describing the correspondence between probe sets, genes and transcripts. In particular, in case a gene is targeted by two probe sets, one must be able to assess if the corresponding signals measure a group of common transcripts or two groups of transcripts with little or no overlap. Results: Probe sets that effectively target the same group of transcripts have specific properties in the trancriptional networks we constructed. We found indeed that such probe sets had a very low negative correlation, a high positive correlation and a similar neighbourhood. Taking advantage of these properties, we devised a test allowing to group probe sets which target the same group of transcripts in a particular network. By considering several networks, additional information concerning the frequency of these associations was obtained. Availability and Implementation: The programs developed in Python (PSAWNpy) and in Matlab (PSAWNml) are freely available, and can be downloaded at http://code.google.com/p/arraymatic/. Tutorials and reference manuals are available at http://bns.crbm.cnrs.fr/softwares.html. Contact: [e-mail]. Supplementary information: Supplementary data are available at http://bns.crbm.cnrs.fr/download.html.

연구 동기 및 목표

• 다양한 프로브 세트가 동일한 유전자를 타겟으로 하는 경우에도 Affymetrix 프로브 세트를 특정 전사체 그룹에 신뢰성 있게 할당하는 데 도전하는 문제를 해결하기 위해.
• 복잡한 유전자 발현 데이터에서 프로브 세트가 겹치는지 또는 별개의 전사체 집단을 측정하는지 확인하기 위해.
• 공유되는 전사체 타겟을 기반으로 프로브 세트를 군집화하기 위해 네트워크 특성을 활용하는 계산 프레임워크를 개발하기 위해.
• 일관된 생물학적 의미를 가진 프로브 세트 연관성을 식별하여 마이크로어레이 데이터 해석의 신뢰도를 향상시키기 위해.

제안 방법

• 유전자 발현 데이터로부터 전사적 네트워크를 구축하여 프로브 세트 간 공발현 관계를 모델링하기 위해.
• 낮은 부정적 상관관계, 높은 양의 상관관계 및 유사한 네트워크 이웃을 보이는 프로브 세트 쌍을 공유 전사체 타겟을 위한 지표로 식별하기 위해.
• 이러한 네트워크 특성을 기반으로 한 통계적 검정을 개발하여 프로브 세트를 전사체 특화 군집으로 군집화하기 위해.
• 프로브 세트 연관성의 일관성과 빈도를 평가하기 위해 여러 전사적 네트워크에 이 방법을 적용하기 위해.
• 광범위한 접근성과 재현 가능성을 위해 Python(PSAWNpy) 및 MATLAB(PSAWNml) 모두에서 이 방법을 구현하기 위해.
• 생물학적 동등성의 추론을 위한 주요 특징으로 네트워크 구조 및 상관 패턴을 사용하기 위해.

실험 결과

연구 질문

• RQ1 동일한 전사체 그룹을 타겟으로 하는 프로브 세트는 전사적 네트워크에서 일관된 공발현 패턴을 보일까?
• RQ2 낮은 부정적 상관관계와 높은 양의 상관관계는 프로브 세트 간의 공유 전사체 타겟을 신뢰성 있게 나타낼 수 있을까?
• RQ3 유사한 네트워크 이웃을 가진 프로브 세트가 겹치는 전사체 이소형을 얼마나 많이 타겟으로 할까?
• RQ4 여러 전사적 네트워크에서의 증거를 통합하면 프로브 세트 군집화에 대한 확신이 어떻게 향상될까?
• RQ5 네트워크 기반 군집화가 Affymetrix 마이크로어레이 데이터의 해석에 혼란을 줄일 수 있을까?

주요 결과

• 동일한 전사체 그룹을 타겟으로 하는 프로브 세트는 구축된 전사적 네트워크에서 일관되게 낮은 부정적 상관관계와 높은 양의 상관관계를 보였다.
• 유사한 네트워크 이웃을 가진 프로브 세트는 겹치는 전사체 집단을 타겟으로 하는 데 유의미하게 더 높은 확률을 보였다.
• 이 방법은 여러 네트워크를 통해 생물학적으로 일관된 프로브 세트 군집화를 성공적으로 식별하여 할당에 대한 확신을 높였다.
• 여러 네트워크에서의 동시 발생 빈도는 신뢰할 수 있는 전사체 그룹 매핑의 강력한 지표로 작용했다.
• 개발된 도구(PSAWNpy 및 PSAWnml)는 이 방법을 대규모 마이크로어레이 데이터셋에 재현 가능하고 확장 가능한 방식으로 적용할 수 있게 했다.
• 이 방법은 오랫동안 애매하게 해석되어 온 Affymetrix 어레이에서의 프로브 세트-전사체 매핑 문제에 대한 견고한 해결책을 제공한다.