[论文解读] Network Methods for Pathway Analysis of Genomic Data

Rosemary Braun, Sahil D. Shah|arXiv (Cornell University)|Nov 7, 2014

Bioinformatics and Genomic Networks参考文献 7被引用 5

一句话总结

本文评估了八种基于 R 语言、拓扑感知的通路分析方法，这些方法将基因网络结构整合到基因组数据分析中，展示了其在 10 个卵巢癌基因表达研究中的计算效率和一致性。研究发现，不同方法之间以及不同研究之间具有高度的一致性，特别是 GSEA 和 SPIA 等方法。研究还提供了基于生物学背景和数据特征选择方法的实用指南。

ABSTRACT

Rapid advances in high-throughput technologies have led to considerable interest in analyzing genome-scale data in the context of biological pathways, with the goal of identifying functional systems that are involved in a given phenotype. In the most common approaches, biological pathways are modeled as simple sets of genes, neglecting the network of interactions comprising the pathway and treating all genes as equally important to the pathway's function. Recently, a number of new methods have been proposed to integrate pathway topology in the analyses, harnessing existing knowledge and enabling more nuanced models of complex biological systems. However, there is little guidance available to researches choosing between these methods. In this review, we discuss eight topology-based methods, comparing their methodological approaches and appropriate use cases. In addition, we present the results of the application of these methods to a curated set of ten gene expression profiling studies using a common set of pathway annotations. We report the computational efficiency of the methods and the consistency of the results across methods and studies to help guide users in choosing a method. We also discuss the challenges and future outlook for improved network analysis methodologies.

研究动机与目标

• 为选择整合生物网络结构的拓扑感知通路分析方法提供指导，以解决当前缺乏明确指导的问题。
• 使用相同数据集和通路注释，比较八种基于 R 实现的拓扑感知方法。
• 评估在 10 个卵巢癌基因表达研究中计算效率和结果一致性。
• 为研究人员提供一个基于性能和生物学相关性的实用、数据驱动的方法选择框架。
• 指出由于实现方式和参考数据库不同，导致方法比较面临挑战，并倡导建立标准化基准测试。

提出的方法

• 本研究评估了八种基于拓扑的通路分析方法：GSEA、SPIA、PARADIGM、PathOlogist、GPC-Score、Pathifier、PDM，以及一种自定义的基于网络的方法。
• 所有方法均应用于经过筛选的 10 个卵巢癌基因表达研究数据集，使用 247 条 KEGG 通路作为统一的通路注释来源。
• 通过每条通路和每项研究的运行时间来衡量计算效率。
• 通过所有 45 对研究之间的通路 p 值相关性来量化跨研究一致性，结果以相关性热图和箱线图可视化。
• 通过计算每项研究中不同方法之间 p 值的斯皮尔曼等级相关性，评估跨方法一致性。
• 通过统计检验，计算每个通路在 10 项研究中至少 20% 时间排名前 20% 显著性的次数，检验其统计显著性。

实验结果

研究问题

• RQ1 在多个卵巢癌基因表达研究中，哪些基于拓扑的通路分析方法在识别显著通路方面表现出最高的一致性？
• RQ2 当应用于大规模基因组数据时，不同基于拓扑的方法在计算运行时间上如何比较？
• RQ3 不同方法在通路水平 p 值上的一致性程度如何？哪些因素影响这种一致性？
• RQ4 与标准基因列表方法相比，整合网络拓扑结构在检测生物相关通路方面有何提升？
• RQ5 在复杂基因组数据中分析通路水平变化时，方法选择的实际影响是什么？

主要发现

• 研究发现，通路显著性排名在不同研究之间具有高度一致性，特别是 GSEA 和 SPIA，表明其在不同数据集中的稳健性。
• 计算效率存在显著差异，GSEA 和 GPC-Score 是其中最快的方法，而 SPIA 和 PathOlogist 由于复杂的网络遍历操作而运行较慢。
• 方法对之间斯皮尔曼等级相关性范围从中等到高，中位相关性超过 0.6，表明方法间存在显著一致性。
• 如 'Cell cycle'（hsa04110）和 'p53 signaling'（hsa04216）等通路在多个研究和方法中持续位列前 20%，凸显其生物学相关性。
• 超过 50% 的通路至少在一个方法下在 5 项或以上研究中被识别为前 20% 显著，表明通过合适的方法可有效检测到生物信号。
• 各方法最终合并的 p 值一致性高于单独子分析结果，表明方法整合可提高结果可靠性。