[논문 리뷰] Reviving the Two-state Markov Chain Approach (Technical Report)

Andrzej Mizera, Jun Pang외 1명|arXiv (Cornell University)|2015. 01. 08.

Gene Regulatory Network Analysis참고 문헌 4인용 수 6

한 줄 요약

이 논문은 대규모 확률적 부울 네트워크(PBN)에서 정적분포를 근사하기 위해 두 상태 마르코프 체인 접근법을 부활시켜 초기 표본 크기로 인한 편향 문제를 규명하고 해결한다. 광범위한 실험을 통해 이 방법이 Skart 배치 평균 방법보다 뛰어난 성능을 보이며, 간엽세포 아폽토시스 모델(91노드)을 성공적으로 분석하여 핵심 조절 노드의 장기적 영향이 무시할 수 없음을 밝혀냈다.

ABSTRACT

Probabilistic Boolean networks (PBNs) is a well-established computational framework for modelling biological systems. The steady-state dynamics of PBNs is of crucial importance in the study of such systems. However, for large PBNs, which often arise in systems biology, obtaining the steady-state distribution poses a significant challenge. In fact, statistical methods for steady-state approximation are the only viable means when dealing with large networks. In this paper, we revive the two-state Markov chain approach presented in the literature. We first identify a problem of generating biased results, due to the size of the initial sample with which the approach needs to start and we propose a few heuristics to avoid such a pitfall. Second, we conduct an extensive experimental comparison of the two-state Markov chain approach and another approach based on the Skart method and we show that statistically the two-state Markov chain has a better performance. Finally, we apply this approach to a large PBN model of apoptosis in hepatocytes.

연구 동기 및 목표

• 시스템 생물학에서 흔한 대규모 확률적 부울 네트워크(PBN)에서 정적분포를 계산하는 데 도전하는 것.
• 이론적 기반은 있지만 활용도가 낮은 두 상태 마르코프 체인 접근법을 부활하고 개선하는 것.
• 초기 표본 크기가 부적절할 경우 발생하는 원래 두 상태 마르코프 체인 방법의 편향을 규명하고 수정하는 것.
• 정확도와 수렴성 측면에서 두 상태 마르코프 체인 접근법과 Skart 배치 평균 방법을 실증적으로 비교하는 것.
• 실제로 큰 규모의 PBN 모델인 간엽세포 아폽토시스 모델에 개선된 방법을 적용하여 생물학적 관련성을 평가하는 것.

제안 방법

• Raftery와 Lewis(1992)가 제안한 원래의 두 상태 마르코프 체인 접근법을 마르코프 체인 몬테카를로 시뮬레이션의 수렴성을 평가하기 위해 채택한다.
• 특히 정적분포 확률 추정의 맥락에서 적절한 초기 표본 크기 선택을 보장하기 위해 편향을 방지하는 데 목적이 있는 세 가지 히우리스틱을 도입한다.
• 합성 및 생물학적 PBN에 대한 광범위한 시뮬레이션을 통해 두 상태 마르코프 체인 접근법과 Skart 배치 평균 방법을 구현하고 비교한다.
• l₁-노름을 사용하여 네트워크의 정적분포에 대한 유전자 변형의 장기적 민감도를 정량화한다.
• TNF 및 UV-B 동시 자극 조건에서 간엽세포 아폽토시스의 91노드 PBN 모델에 이 방법을 적용한다.
• 통계적 가설 검정을 통해 핵심 노드(예: C3ap17, NF-κB)의 공동 정적분포에 대한 변형의 유의미성을 평가한다.

실험 결과

연구 질문

• RQ1 고차원 상태 공간을 가진 대규모 PBN에 대해 두 상태 마르코프 체인 접근법을 효과적으로 부활하고 개선할 수 있는가?
• RQ2 원래 두 상태 마르코프 체인 방법에서 초기 표본 크기로 인해 발생하는 특정 편향은 무엇이며, 이를 어떻게 수정할 수 있는가?
• RQ3 수렴 정확도와 안정성 측면에서 두 상태 마르코프 체인 접근법은 Skart 배치 평균 방법보다 어떻게 비교되는가?
• RQ4 특정 조절 노드(예: RIP-deubi)의 영구적인 케이스/오프 상태 변형이 대규모 아폽토시스 네트워크의 정적분포에 장기적으로 어떤 영향을 미치는가?
• RQ5 정확한 정적분포 계산이 불가능한 복잡한 생물학적 네트워크에서 이 방법은 무시할 수 없는 조절 영향을 신뢰성 있게 탐지할 수 있는가?

주요 결과

• 다양한 실험 설정에서 두 상태 마르코프 체인 접근법이 통계적 성능 측면에서 Skart 방법보다 뛰어나다.
• 원래 두 상태 마르코프 체인 방법은 초기 표본 크기가 너무 작을 경우 편향을 보이며, 제안된 히우리스틱으로 이를 수정할 수 있다.
• 91노드 아폽토시스 PBN 모델에서 RIP-deubi의 변형에 대한 co2의 장기 민감도는 무시할 수 없으며, 평균 민감도는 TNF & UV1 조건에서 0.2089, TNF & UV2 조건에서 0.2105로 확인되었다.
• 이 방법은 RIP-deubi와 co2의 상호작용이 장기적 역학에서 중요한 역할을 한다는 것을 성공적으로 규명했으며, C3ap17와 NF-κB의 공동 분포를 크게 변화시키진 않더라도 그렇다.
• 정확한 정적분포 계산이 불가능한 대규모 PBN에 대해 신뢰성 있고 확장 가능한 분석을 가능하게 하여 체계적 생물학적 통찰을 뒷받침한다.
• 이 연구는 두 상태 마르코프 체인 접근법이 복잡한 조절 네트워크의 정량적 분석에 활용 가능함을 확인하며, 특히 최소한의 구조적 간섭 상황에서 유용함을 입증한다.