[논문 리뷰] Current and future directions in network biology

Marinka Žitnik, Michelle M. Li외 35명|arXiv (Cornell University)|2023. 09. 15.

Bioinformatics and Genomic NetworksBiochemistry, Genetics and Molecular Biology인용 수 3

한 줄 요약

이 논문은 2022년 네트워크 생물학 향후 방향 워크숍의 통찰을 종합하여 생물학적 네트워크 모델링 분야에서의 핵심 계산 및 알고리즘 과제를 규명한다. 다중 모odal 데이터 통합, 고차원 네트워크 분석, 그래프 기반 기계학습, 네트워크 기반 개인 맞춤 의료 분야의 발전을 제안하며, 계산 생물학 연구 분야에서의 공정성, 다양성, 포용성 강조를 포함한다.

ABSTRACT

Network biology is an interdisciplinary field bridging computational and biological sciences that has proved pivotal in advancing the understanding of cellular functions and diseases across biological systems and scales. Although the field has been around for two decades, it remains nascent. It has witnessed rapid evolution, accompanied by emerging challenges. These challenges stem from various factors, notably the growing complexity and volume of data together with the increased diversity of data types describing different tiers of biological organization. We discuss prevailing research directions in network biology and highlight areas of inference and comparison of biological networks, multimodal data integration and heterogeneous networks, higher-order network analysis, machine learning on networks, and network-based personalized medicine. Following the overview of recent breakthroughs across these five areas, we offer a perspective on the future directions of network biology. Additionally, we offer insights into scientific communities, educational initiatives, and the importance of fostering diversity within the field. This paper establishes a roadmap for an immediate and long-term vision for network biology.

연구 동기 및 목표

• 증가하는 데이터 복잡성과 규모에 기인한 네트워크 생물학 분야에서의 긴급한 계산 및 알고리즘 과제를 규명하기 위해.
• 다학제적 워크숍의 토론을 종합하여 네트워크 생물학의 향후 연구 방향을 이끌기 위해.
• 특히 추천 및 리더십 파ip라인에서의 공정성, 다양성, 포용성 향상을 위해 계산 생물학 분야에서의 평등하고 포용적인 관행을 촉진하기 위해.
• 이질적이고 동적인 네트워크 모델에 다중 모달 생물학적 데이터 통합을 진전시키기 위해.
• 개인 맞춤 의료와 질병의 체계적 이해를 지원하는 장기적 비전을 설정하기 위해.

제안 방법

• 노트르담 대학교(2022)에서 계산 및 알고리즘 기반 네트워크 생물학 분야의 선도 연구자들을 대상으로 워크숍를 개최하였다.
• 워크숍 참가자들이 공동 저자로 참여한 공감대를 반영한 공식 논문으로 토론 결과를 종합하였다. 이는 다양한 분야와 직업 단계를 반영한다.
• 핵심 연구 방향을 다섯 가지 핵심 주제로 분류: 생물학적 네트워크의 추론 및 비교, 다중 모달 데이터 통합, 고차원 네트워크 분석, 네트워크 기반 기계학습, 네트워크 기반 개인 맞춤 의료.
• 국제 계산 생물학 협회(ISCB)의 다양성·포용성·포용성(EDI) 지표를 평가하여 공개된 자료를 활용해 대표성 격차를 분석하였다.
• 추천 절차에서의 편향을 줄이고, 소수자 및 저소득 지역 연구자들이 회의에 접근할 수 있도록 전략을 제안하였다.
• 기관과 전문 협회가 자금을 지원하는 체계적 조치를 통해 연구 인프라 및 교육에 공정성을 통합할 것을 주장하였다.

Figure 1: Overview of the network biology field and five research topics discussed in this paper. The word cloud in the center, generated using WordClouds.com , contains the top 30 most representative words from this paper. Note that each word’s rank is based on the sum of the weights of the core wo

실험 결과

연구 질문

• RQ1 다양한 옴믹스 및 이질적 데이터의 증가에 따라 네트워크 생물학 분야에서 가장 긴급한 계산 및 알고리즘 과제는 무엇인가?
• RQ2 생물학적 네트워크 기반 기계학습 모델은 어떻게 더 해석 가능하고 일반화 가능하며 복잡한 시스템에 스케일링할 수 있는가?
• RQ3 특히 리더십 및 인정 역할에서의 공정한 참여를 방해하는 주요 장애물은 무엇인가?
• RQ4 네트워크 생물학은 어떻게 동적이고 조건 인식 가능하며 다중 모달 네트워크 모델을 통해 정밀의료를 지원할 수 있는가?
• RQ5 계산 생물학 분야에서 보편 인구를 반영하는 다양성 달성을 위해 필요한 기관적·문화적 변화는 무엇인가?

주요 결과

• 생물학적 척도의 복잡성, 크기, 이질성 증가로 인해 네트워크 생물학 분야는 가속화된 과제에 직면해 있다.
• 다중 모달 데이터 통합과 고차원 네트워크 분석(Hypergraphs, 모티프 등)은 복잡한 생물학적 시스템을 모델링하는 데 핵심적인 신경선으로 부상하고 있다.
• 특히 그래프 신경망과 대규모 언어 모델을 포함한 네트워크 기반 기계학습는 강력한 잠재력을 보이지만, 더 나은 해석 가능성과 강건성 필요하다.
• EDI 격차는 추천 파이프라인에서 여전히 지속되며, 주요 ISCB 상의 후보자 중 여성 비율은 22~28%에 불과하지만, ISCB 회원의 32.8%는 여성이다.
• 생물학 중심의 하위 분야는 계산 중심의 하위 분야보다 더 성별 다양성이 높으며, 생물학 배경에서의 채용이 다양성 향상에 기여할 수 있음을 시사한다.
• 게이트키잉 장벽을 극복하고 계산 생물학 분야에서 회의, 자금, 리더십 역할에 공정하게 접근할 수 있도록 체계적이고 자금 지원이 이루어진 이니셔티브가 필수적이다.

(A) Inference of a network from non-network data