[论文解读] Parenclitic networks' representation of data sets

Massimiliano Zanin, Joaquı́n Medina+5 more|arXiv (Cornell University)|Apr 6, 2013

Gene Regulatory Network Analysis参考文献 14被引用 3

一句话总结

本文提出了一种名为括号网络（parenclitic networks）的新方法，将非整体性系统（如孤立的生物医学检测或基因表达数据）建模为复杂网络，以揭示隐藏关系。通过将网络中心性度量应用于拟南芥在渗透胁迫下的重构网络，该方法识别出15个此前未知的胁迫响应基因，其功能通过诱导突变体的表型分析得到实验验证，显示其生长差异显著。

ABSTRACT

Describing a complex system is in many ways a problem akin to identifying an object, in that it involves defining boundaries, constituent parts and their relationships by the use of grouping laws. Here we propose a novel method which extends the use of complex networks theory to a generalized class of non-Gestaltic systems, taking the form of collections of isolated, possibly heterogeneous, scalars, e.g. sets of biomedical tests. The ability of the method to unveil relevant information is illustrated for the case of gene expression in the response to osmotic stress of {\it Arabidopsis thaliana}. The most important genes turn out to be the nodes with highest centrality in appropriately reconstructed networks. The method allows predicting a set of 15 genes whose relationship with such stress was previously unknown in the literature. The validity of such predictions is demonstrated by means of a target experiment, in which the predicted genes are one by one artificially induced, and the growth of the corresponding phenotypes turns out to feature statistically significant differences when compared to that of the wild-type.

研究动机与目标

• 开发一种通用框架，利用复杂网络理论表示复杂且非整体性的系统（如孤立标量集合）。
• 在高维生物数据（如胁迫下的基因表达谱）中识别隐藏关系与关键组分。
• 预测在拟南芥中参与渗透胁迫反应但此前文献未记载的新基因。
• 通过靶向实验诱导与野生型比较表型，验证预测基因的功能相关性。

提出的方法

• 该方法通过将每个数据点（如基因表达值）视为节点，并基于数据点之间的相似性或相关性度量定义边，构建括号网络。
• 利用中心性度量（特别是度中心性和接近中心性）分析网络拓扑，识别代表生物重要组分的关键节点。
• 采用广义分组法则重构网络，尊重数据的非整体性特征，避免对整体整合的假设。
• 该方法应用于拟南芥在渗透胁迫下的时间序列基因表达数据，将每个基因的表达谱视为一个节点。
• 选择高中心性基因作为参与新型胁迫响应的候选基因。
• 通过单独诱导预测基因的表达，并与野生型比较表型差异，对预测基因进行实验验证。

实验结果

研究问题

• RQ1 在拟南芥中，哪些基因在渗透胁迫下表现出显著的网络中心性，表明其潜在的功能重要性？
• RQ2 基于网络的方法能否识别出此前未知的参与渗透胁迫反应的基因？
• RQ3 与野生型相比，实验诱导的高中心性基因表达是否导致统计上显著的表型变化？
• RQ4 括号网络模型在揭示非整体性数据中生物相关关系方面，与传统方法相比在多大程度上表现更优？

主要发现

• 该方法成功识别出15个具有高网络中心性的基因，这些基因在文献中此前未与渗透胁迫关联。
• 通过诱导实验对这15个基因进行了验证，结果显示其与野生型植物相比，表型生长差异具有统计学显著性。
• 在重构的括号网络中，中心性最高的基因始终与渗透胁迫反应相关。
• 基因诱导后观察到的表型差异证实了预测基因的功能相关性。
• 该方法表明，括号网络中的网络中心性可作为非整体性系统中生物重要性的可靠预测指标。
• 结果验证了括号网络框架在复杂异质数据集中发现新型生物关系的实用性。