[논문 리뷰] Ontology-based systematic classification and analysis of coronaviruses, hosts, and host-coronavirus interactions towards deep understanding of COVID-19

Hongjie Yu, Li L외 18명|arXiv (Cornell University)|2020. 05. 31.

Bioinformatics and Genomic Networks인용 수 5

한 줄 요약

이 논문은 생물학적 온톨로지와 실험적으로 확인된 단백질-단백질 상호작용(PPI)을 사용하여 코로나바이러스, 그들의 숙주, 숙주-코로나바이러스 상호작용(HCI)을 체계적으로 분류하기 위한 온톨로지 기반 통합 프레임워크를 제안한다. 질병 결과를 모델링한다. 문헌 마이닝과 도메인 기반 예측을 적용하여 인과적 HCI-결과 관계를 식별하고, 여러 장기에서 새로운 병리적 PPI를 예측함으로써 SARS-CoV-2의 발병 기전에 대한 체계적 이해를 향상시킨다.

ABSTRACT

Given the existing COVID-19 pandemic worldwide, it is critical to systematically study the interactions between hosts and coronaviruses including SARS-Cov, MERS-Cov, and SARS-CoV-2 (cause of COVID-19). We first created four host-pathogen interaction (HPI)-Outcome postulates, and generated a HPI-Outcome model as the basis for understanding host-coronavirus interactions (HCI) and their relations with the disease outcomes. We hypothesized that ontology can be used as an integrative platform to classify and analyze HCI and disease outcomes. Accordingly, we annotated and categorized different coronaviruses, hosts, and phenotypes using ontologies and identified their relations. Various COVID-19 phenotypes are hypothesized to be caused by the backend HCI mechanisms. To further identify the causal HCI-outcome relations, we collected 35 experimentally-verified HCI protein-protein interactions (PPIs), and applied literature mining to identify additional host PPIs in response to coronavirus infections. The results were formulated in a logical ontology representation for integrative HCI-outcome understanding. Using known PPIs as baits, we also developed and applied a domain-inferred prediction method to predict new PPIs and identified their pathological targets on multiple organs. Overall, our proposed ontology-based integrative framework combined with computational predictions can be used to support fundamental understanding of the intricate interactions between human patients and coronaviruses (including SARS-CoV-2) and their association with various disease outcomes.

연구 동기 및 목표

• 질병 메커니즘에 대한 이해를 향상시키기 위해 코로나바이러스, 숙주, 숙주-코로나바이러스 상호작용(HCI)에 대한 체계적이고 온톨로지 기반의 분류를 개발하기 위해.
• HPI-Outcome 후행 조건과 논리적 온톨로지 표현을 사용하여 HCI와 임상 결과 간의 관계를 모델링하기 위해.
• SARS-CoV-2 발병 기전과 관련된 실험적으로 확인된 및 예측된 숙주 단백질-단백질 상호작용(PPI)을 식별하기 위해.
• 도메인 기반 추론을 사용하여 알려진 상호작용 네트워크를 기반으로 새로운 병리적 PPI와 그 표적을 인간 장기 전역에서 예측하기 위해.
• COVID-19에서 HCI와 질병 결과의 통합 분석을 위한 통합적이고 계산 기반 플랫폼을 제공하기 위해.

제안 방법

• 숙주-병원체 상호작용과 질병 결과 간의 관계를 체계화하기 위해 4개의 HPI-Outcome 후행 조건을 개발하였다.
• 표준화된 생물학적 온톨로지(예: HPO, EFO, CLO)를 사용하여 코로나바이러스, 숙주, 표현형을 주석 처리하고 분류하였다.
• 문헌에서 35개의 실험적으로 확인된 숙주-코로나바이러스 PPI를 수집하고, 문헌 마이닝을 통해 PPI 네트워크를 확장하였다.
• 논리적 온톨로지 표현을 사용하여 의미 일관성과 기계 가공 가능성을 확보하기 위해 통합된 HCI-결과 모델을 구성하였다.
• 기존 PPI를 '베이트'로 삼아 도메인 기반 추론 방법을 사용하여 병리적 표적을 다수의 장기에서 예측하는 새로운 PPI를 추론하였다.
• 예측된 PPI를 장기 특이적 병리와 연결하여 분자 상호작용과 임상 양상 간의 연결 고리를 설정하였다.

실험 결과

연구 질문

• RQ1 온톨로지를 사용하여 숙주-코로나바이러스 상호작용을 체계적으로 분류하고 질병 결과를 이해하기 위해 어떻게 모델링할 수 있는가?
• RQ2 숙주 인자와 코로나바이러스 간의 핵심 실험적으로 확인된 단백질-단백질 상호작용(PPI)은 무엇인가, SARS-CoV-2 포함?
• RQ3 코로나바이러스 감염에 대응하여 동적으로 조절되는 숙주 PPI는 무엇이며, 임상 표현형과 어떻게 관련되어 있는가?
• RQ4 계산 기반 예측 방법은 알려진 상호작용 네트워크에서 새로운 병리적 PPI를 어떻게 유추할 수 있는가?
• RQ5 숙주-코로나바이러스 상호작용의 장기 특이적 병리적 표적은 무엇이며, 다장기 질환 양상에 어떻게 기여하는가?

주요 결과

• 연구는 HCI 네트워크의 기초 노드로 35개의 실험적으로 확인된 숙주-코로나바이러스 단백질-단백질 상호작용(PPI)을 식별하였다.
• 문헌 마이닝을 통해 면역 반응, 아폽토시스, 바이러스 침입과 관련된 추가적인 숙주 PPI를 식별하고 모델에 통합하였다.
• 온톨로지 기반 프레임워크는 HCI-결과 관계의 논리적이고 기계 가공 가능한 표현을 가능하게 하여 데이터 상호운용성과 추론 능력을 향상시켰다.
• 도메인 기반 추론을 통해 병리적 관련성이 잠재적으로 있는 새로운 PPI를 식별하였으며, 특히 폐, 심장 및 신장 조직에서 두드러졌다.
• 모델은 논리적 추론을 통해 분자 수준의 상호작용을 사이토카인 폭풍 및 다장기 기능 장애와 같은 체계적 표현형과 성공적으로 연결하였다.
• 이 프레임워크는 확장 가능하고 재사용 가능한 플랫폼을 제공하여 새로운 감염성 질환에서 숙주-병원체 상호작용의 체계적 분석을 가능하게 하였다.