[논문 리뷰] Prediction of a Gene Regulatory Network from Gene Expression Profiles With Linear Regression and Pearson Correlation Coefficient

Mehedi Hassan Onik, Shakhawat Ahmmed Nobin외 2명|arXiv (Cornell University)|2018. 05. 02.

Gene expression and cancer classification참고 문헌 19인용 수 3

한 줄 요약

이 연구는 유전자 발현 프로파일을 사용하여 암 특이적 유전자 조절 네트워크(GRN)를 재구성하기 위한 새로운 기계학습 접근법을 제안한다. 선형 회귀를 적용하여 차등 발현 유전자를 식별하고, 피어슨 상관계수를 사용하여 조절 관계를 추론하여, 암 진단 목표로 가능한 허브 유전자를 성공적으로 규명하였다. 이는 생물학적 데이터베이스와의 검증을 통해 이루어졌다.

ABSTRACT

Reconstruction of gene regulatory networks is the process of identifying gene dependency from gene expression profile through some computation techniques. In our human body, though all cells pose similar genetic material but the activation state may vary. This variation in the activation of genes helps researchers to understand more about the function of the cells. Researchers get insight about diseases like mental illness, infectious disease, cancer disease and heart disease from microarray technology, etc. In this study, a cancer-specific gene regulatory network has been constructed using a simple and novel machine learning approach. In First Step, linear regression algorithm provided us the significant genes those expressed themselves differently. Next, regulatory relationships between the identified genes has been computed using Pearson correlation coefficient. Finally, the obtained results have been validated with the available databases and literatures. We can identify the hub genes and can be targeted for the cancer diagnosis.

연구 동기 및 목표

• 유전자 발현 프로파일로부터 유전자 조절 네트워크를 재구성하기 위한 단순하고 효과적인 방법을 개발하는 것.
• 네트워크 특이성을 향상시키기 위해 선형 회귀를 사용하여 암에서 차등 발현 유전자를 식별하는 것.
• 피어슨 상관계수를 사용하여 유전자 간 조절 상호작용을 추론하는 것.
• 기존 생물학적 데이터베이스 및 문헌과의 비교를 통해 예측된 네트워크를 검증하는 것.
• 암에서 진단 또는 치료 타겟으로서 잠재력을 지닌 허브 유전자를 식별하는 것.

제안 방법

• 조건 간에 유의미하게 차등 발현된 유전자를 식별하기 위해 선형 회귀가 유전자 발현 프로파일에 적용된다.
• 선형 회귀에서 가장 유의미한 유전자들이 네트워크 구축을 위한 후보 조절자 및 표적으로 선정된다.
• 선택된 유전자 쌍 간의 피어슨 상관계수를 계산하여 선형 관계의 강도와 방향을 정량화한다.
• 상관계수가 사전 정의된 임계값을 초과할 경우 조절 영향이 있을 가능성이 있음을 나타내어 조절 관계를 추론한다.
• 결과로 도출된 네트워크는 공개 데이터베이스의 알려진 생물학적 상호작용을 사용하여 시각화 및 상호검증된다.
• 재구성된 네트워크 내에서 높은 연결성을 보이는 유전자를 기반으로 허브 유전자를 식별한다.

실험 결과

연구 질문

• RQ1 선형 회귀에 의해 암 데이터셋에서 유의미하게 차등 발현된 유자는 무엇인가?
• RQ2 피어슨 상관계수로 측정된 바에 따라 차등 발현 유전자 간의 조절 관계는 무엇인가?
• RQ3 기존 생물학적 데이터베이스를 사용하여 예측된 유전자 조절 네트워크를 검증할 수 있는가?
• RQ4 재구성된 네트워크에서 허브로 나타나는 유자는 무엇인가, 조절 중요성을 시사하는가?
• RQ5 예측된 조절 상호작용은 알려진 암 관련 경로와 생물학적으로 타당하고 일관성이 있는가?

주요 결과

• 선형 회귀는 유전자 발현 데이터셋으로부터 네트워크 구축의 기초가 되는 차등 발현 유전자 집합을 성공적으로 식별하였다.
• 피어슨 상관계수는 유전자 쌍 간의 유의미한 선형 관계를 효과적으로 포착하여 조절 상호작용의 추론을 가능하게 하였다.
• 공개 데이터베이스와의 상호검증을 통해 재구성된 유전자 조절 네트워크가 기존 생물학적 상호작용과 일치함을 보였다.
• 높은 연결성을 보이는 허브 유전자들이 식별되어 주요 암 관련 과정 조절에 잠재적인 역할을 할 가능성이 있음을 시사하였다.
• 이 방법은 생물학적으로 타당한 네트워크를 생성하였으며, 암 진단을 위한 향후 실험적 검증을 위한 후보 유전자를 부각시켰다.