[論文レビュー] Laplacian Spectrum and Protein-Protein Interaction Networks

Anirban Banerjee, Jürgen Jost|arXiv (Cornell University)|May 23, 2007

Bioinformatics and Genomic Networks参考文献 17被引用数 12

ひとこと要約

本稿では、正規化ラプラシアンスペクトルを用いたスペクトルネットワークモデリング手法を提案し、タンパク質間相互作用ネットワーク（PPIN）の再構築に成功した。この手法により、遺伝子複製と分化の進化的な痕跡が明らかになった。特に固有値1の高多重性とスペクトル密度の対称性といったスペクトル特徴を照合することで、本物のPPINが示す主要な構造的性質を正確に再現し、一般化されたネットワークモデルとは明確に区別された。

ABSTRACT

From the spectral plot of the (normalized) graph Laplacian, the essential qualitative properties of a network can be simultaneously deduced. Given a class of empirical networks, reconstruction schemes for elucidating the evolutionary dynamics leading to those particular data can then be developed. This method is exemplified for protein-protein interaction networks. Traces of their evolutionary history of duplication and divergence processes are identified. In particular, we can identify typical specific features that robustly distinguish protein-protein interaction networks from other classes of networks, in spite of possible statistical fluctuations of the underlying data.

研究の動機と目的

• タンパク質間相互作用ネットワーク（PPIN）に特徴的なスペクトル的特徴を同定し、それらが進化的な歴史をどのように反映しているかを明らかにすること。
• スペクトル不変量に基づく再構築モデルを構築し、PPINの本質的構造的・トポロジカル性質を再現すること。
• Erdős–Rényi、Barabási–Albert、Watts–Strogatzなどの他のネットワーククラス（例：ランダムネットワーク、スケールフリーネットワーク）と比較して、スペクトルシグネチャを用いてPPINを区別すること。
• 遺伝子複製や分化といった進化的メカニズムが、ネットワークスペクトルにどのように検出可能なインパルスを残すかを調査すること。
• 多様でノイズを含む生物学的データセットにおいて、スペクトル的特徴がどれほど頑健に保たれるかを検証すること。

提案手法

• PPINをN個のノードと、物理的相互作用を表すエッジを持つ無向グラフとしてモデル化する。
• ランダムウォークを支配し、保存則を符号化する正規化グラフラプラシアン作用素Δを定義する。Δv(i) = v(i) − (1/ni)Σj∼i v(j)。
• Δのスペクトルを分析し、特にノード複製に伴い増加する固有値1の多重度m₁に注目する。
• 構成的成長モデルを用いる：初期ネットワークを出発点とし、繰り返し複製（Pdup = 0.15）、変異（δ′ = 0.7, δ = 0.00025）、2番目の近隣に偏った優先的接続を適用する。
• 孤立タンパク質の追加（Pad = 0.025）と、複製されたノード間のクロスリンク（PCLink = 0.008）のパラメータを組み込むが、他のパラメータの調整によりこれらはすでに吸収可能である。
• スペクトル密度を、幅γ = 0.08のローレンツ関数の和を用いて可視化し、実測データと比較可能な滑らかな固有値分布を得る。

実験結果

リサーチクエスチョン

• RQ1 他のネットワーククラスと比較して、PPINの正規化ラプラシアンスペクトルに特徴的で頑健なスペクトル的特徴は何か？
• RQ2 遺伝子複製や分化といった進化的プロセスが、PPINのスペクトル的性質にどのように検出可能なインパルスを残すか？
• RQ3 スペクトル不変量に基づく構成的ネットワークモデルは、本物のPPINの主要な構造的・トポロジカル性質を再現できるか？
• RQ4 同じ生物種の、多様でノイズを含む生物学的データセットにおいて、スペクトル的特徴はどれほど安定しているか？
• RQ5 どのネットワーク構築アルゴリズムが、本物のPPINで観察されるスペクトル的および構造的パターンを再現できないか？

主な発見

• PPINのスペクトルプロットには、固有値1に明確なピークが存在し、その多重度m₁ ≈ 0.37N（0.307N～0.445N）は、Erdős–Rényiランダムグラフと比べて顕著に高い。
• スペクトル密度はλ = 1を中心に強く対称的であり、複製ダイナミクスと関連する構造的規則性を示している。
• シミュレートされたネットワークの構造的性質は、実際のPPINとよく一致している：最大次数 ≈ 43.69、エッジ数 ≈ 712.97、トランジティビティ ≈ 0.02793、および巨大成分サイズ約500におけるm₁ ≈ 161.07。
• 一般化されたモデル（Erdős–Rényi、Watts–Strogatz、Barabási–Albert）のスペクトルプロットは、実際のPPINおよび再構築モデルとは質的に異なるため、スペクトルシグネチャの独自性が確認された。
• 本手法はデータのフラクチュエーションに対して頑健である：2つの異なるユーライアのPPINデータセットにおいても、類似したスペクトルパターンが観察され、測定ノイズがあっても安定性が保たれている。
• 本モデルは、従来のモデル（例：[15]）が正確に捉えられなかったトランジティビティとモチーフ頻度を、うまく再現した。