[논문 리뷰] Network Methods for Pathway Analysis of Genomic Data

Rosemary Braun, Sahil D. Shah|arXiv (Cornell University)|2014. 11. 07.

Bioinformatics and Genomic Networks참고 문헌 7인용 수 5

한 줄 요약

이 논문은 유전자 네트워크 구조를 게놈 데이터 분석에 통합하는 8종의 R 기반, 네트워크 구조 인식 경로 분석 방법을 평가하여, 10개의 난소암 유전자 발현 연구에서의 계산 효율성과 일관성을 입증한다. 강한 메서드 간 및 연구 간 일치성을 발견하였으며, 특히 GSEA와 SPIA와 같은 방법에서 두드러짐. 생물학적 맥락과 데이터 특성에 기반한 방법 선택을 위한 실용적 가이드를 제공한다.

ABSTRACT

Rapid advances in high-throughput technologies have led to considerable interest in analyzing genome-scale data in the context of biological pathways, with the goal of identifying functional systems that are involved in a given phenotype. In the most common approaches, biological pathways are modeled as simple sets of genes, neglecting the network of interactions comprising the pathway and treating all genes as equally important to the pathway's function. Recently, a number of new methods have been proposed to integrate pathway topology in the analyses, harnessing existing knowledge and enabling more nuanced models of complex biological systems. However, there is little guidance available to researches choosing between these methods. In this review, we discuss eight topology-based methods, comparing their methodological approaches and appropriate use cases. In addition, we present the results of the application of these methods to a curated set of ten gene expression profiling studies using a common set of pathway annotations. We report the computational efficiency of the methods and the consistency of the results across methods and studies to help guide users in choosing a method. We also discuss the challenges and future outlook for improved network analysis methodologies.

연구 동기 및 목표

• 생물학적 네트워크 구조를 통합하는 네트워크 기반 경로 분석 방법 선택에 대한 지침 부족 문제를 해결하기 위해.
• 공통 데이터셋과 경로 애너테이션을 사용하여 8종의 R로 구현된 네트워크 인식 방법을 비교하기 위해.
• 10개의 난소암 유전자 발현 연구에서 계산 효율성과 결과 일관성 평가하기 위해.
• 성능과 생물학적 관련성에 기반한 데이터 기반 프레임워크를 제공하여 연구자들이 방법을 선택할 수 있도록 하기 위해.
• 다른 구현 방식과 기준 데이터베이스로 인해 방법 비교에 어려움이 있으며, 표준화된 벤치마킹을 촉구하기 위해.

제안 방법

• 본 연구는 GSEA, SPIA, PARADIGM, PathOlogist, GPC-Score, Pathifier, PDM 및 커스텀 네트워크 기반 방법을 포함한 8종의 네트워크 기반 경로 분석 방법을 평가한다.
• 모든 방법은 247개의 KEGG 경로를 공통 경로 애너테이션 소스로 사용하여 정제된 10개의 난소암 유전자 발현 연구 세트에 적용된다.
• 계산 효율성은 각 경로 및 연구당 런타임으로 측정되어 평가된다.
• 연구 간 일관성은 모든 45개의 연구 쌍 간 경로 p-값 상관관계로 측정되며, 상관계수 히트맵과 박스플롯으로 시각화된다.
• 메서드 간 일관성은 각 연구에서 메서드 간 p-값의 스피어만 순위 상관계수를 계산하여 평가된다.
• 경로의 유의성은 10개 연구 전반에서 각 경로가 상위 20퍼센트 유의성 순위에 들어간 횟수를 세어 평가되며, 이는 이분법적 귀무가설 기반으로 통계적으로 검증된다.

실험 결과

연구 질문

• RQ1 다양한 난소암 유전자 발현 연구에서 유의미한 경로를 식별하는 데 가장 높은 일관성을 보이는 네트워크 기반 경로 분석 방법은 무엇인가?
• RQ2 대규모 게놈 데이터에 적용했을 때, 다양한 네트워크 기반 방법의 계산 런타임은 어떻게 비교되는가?
• RQ3 다른 방법 간 경로 수준의 p-값은 어느 정도 일치하는가? 그리고 이러한 일치에 영향을 주는 요인은 무엇인가?
• RQ4 네트워크 구조를 통합함으로써 기존의 유전자 목록 기반 방법에 비해 생물학적으로 관련된 경로를 얼마나 더 잘 탐지할 수 있는가?
• RQ5 복잡한 게놈 데이터에서 경로 수준의 변화를 분석하는 연구자들에게 방법 선택의 실용적 함의는 무엇인가?

주요 결과

• 연구 간 경로 유의성 순위에서 강한 일관성이 발견되었으며, 특히 GSEA와 SPIA에서 두드러짐. 이는 데이터셋 간에 강건함을 시사한다.
• 계산 효율성은 상당한 차이를 보였으며, GSEA와 GPC-Score는 가장 빠르게, SPIA와 PathOlogist는 복잡한 네트워크 순회로 인해 느렸다.
• 메서드 쌍 간 스피어만 순위 상관계수는 중간에서 높은 수준이었으며, 중앙값 상관계수는 0.6 이상이었고, 이는 메서드 간 상당한 일치를 나타낸다.
• '세포 주기' (hsa04110) 및 'p53 신호전달' (hsa04216) 경로는 여러 연구와 메서드에서 일관되게 상위 20퍼센트에 포함되어 생물학적 관련성을 강조한다.
• 50퍼센트 이상의 경로(10개 연구 중 최소한 한 메서드에서 5개 이상의 연구에서 상위 20퍼센트로 유의미하게 평가됨)가 최소한 한 메서드에 의해 5개 이상의 연구에서 상위 20퍼센트로 식별되었으며, 적절한 방법론을 통해 생물학적 신호를 탐지할 수 있음을 시사한다.
• 각 메서드의 최종 통합 p-값은 개별 하위 분석보다 더 높은 일관성을 보였으며, 이는 메서드 통합이 신뢰도를 향상시킨다는 것을 나타낸다.