[论文解读] Attribute Exploration of Discrete Temporal Transitions

Johannes Wollbold|ArXiv.org|Jan 4, 2007

Constraint Satisfaction and Optimization参考文献 7被引用 3

一句话总结

本文提出将形式概念分析（FCA）扩展至建模生物系统中的离散时间过渡，特别是基因调控网络，通过将属性探索与来自时间序列数据的关系上下文相结合。该方法可从实验性转录组和蛋白质组数据中自动发现有效的时序蕴含关系，关键结果在涉及IL-1β、TNF-α及相关基因的小型调控网络上得到验证，揭示了通过计算得出的蕴含关系茎基所体现的动态调控依赖性。

ABSTRACT

Discrete temporal transitions occur in a variety of domains, but this work is mainly motivated by applications in molecular biology: explaining and analyzing observed transcriptome and proteome time series by literature and database knowledge. The starting point of a formal concept analysis model is presented. The objects of a formal context are states of the interesting entities, and the attributes are the variable properties defining the current state (e.g. observed presence or absence of proteins). Temporal transitions assign a relation to the objects, defined by deterministic or non-deterministic transition rules between sets of pre- and postconditions. This relation can be generalized to its transitive closure, i.e. states are related if one results from the other by a transition sequence of arbitrary length. The focus of the work is the adaptation of the attribute exploration algorithm to such a relational context, so that questions concerning temporal dependencies can be asked during the exploration process and be answered from the computed stem base. Results are given for the abstract example of a game and a small gene regulatory network relevant to a biomedical question.

研究动机与目标

• 开发一种使用形式概念分析（FCA）对生物系统中的离散时间过渡进行形式化建模的框架。
• 将属性探索算法适配至编码时间上确定性或非确定性状态转换的关系上下文。
• 利用实验性时间序列数据，实现对基因调控网络中时间依赖关系的交互式假设生成与验证。
• 将文献和数据库知识与观测到的实验数据相结合，以解释或预测转录组动力学。
• 推导出一组最小的有效蕴含关系（茎基），以捕捉基因表达调控中的时间依赖性。

提出的方法

• 将生物系统建模为关系上下文 ((G,R),M,I)，其中G为状态集合，R为状态间的关系转换，M为属性集合（例如，基因存在/不存在）。
• 将每个状态φ表示为从实体E到流畅量F（例如，mRNA或蛋白水平）的映射，属性表示特定基因产物的存在或不存在。
• 对转换关系的传递闭包应用属性探索，以发现属性集合之间的有效蕴含关系。
• 使用Duquenne-Guigues（茎）基表示上下文中的所有逻辑蕴含关系，确保规则集的最小性与完备性。
• 将背景知识（例如，来自Transpath和PathwayStudio等数据库的知识）与观测到的时间序列数据相结合，以优化蕴含基。
• 采用逻辑查询如 B → eventually(m) 和 B → never(m)，以评估时间行为并验证假设。

实验结果

研究问题

• RQ1 如何将形式概念分析扩展以建模生物系统（如基因调控网络）中的时间过渡？
• RQ2 如何利用属性探索从时间序列转录组和蛋白质组数据中自动发现基因表达状态之间的蕴含关系？
• RQ3 如何将来自生物数据库的背景知识与实验观测结果相结合，以提高推断调控规则的准确性？
• RQ4 基于模型推导出的蕴含关系茎基是否能够预测实验条件下基因表达的时间动力学？
• RQ5 从推导出的蕴含关系结构中可推断出哪些类型的时间行为（例如，振荡、稳定性）？

主要发现

• 由综合知识与观测数据推导出的茎基包含22条蕴含关系，捕捉了IL-1β/TNF-α信号转导网络中的关键调控依赖性。
• 蕴含关系如 Il1β.pres in → Tnfα.pres in 和 Tnfα.abs in → Il1β.pres in 揭示了网络中的反馈与前馈调控模式。
• 该模型正确识别出在任意时间点上调Il1β或TNFα均意味着其先前存在，支持已知的生物反馈环路。
• 该方法支持逻辑查询如 B → eventually(m)，以确定从给定初始条件出发，某一基因状态是否可达。
• 该方法成功通过识别状态空间中一致的转换路径，解释了三点时间序列数据。
• 茎基允许通过在推导出的上下文上执行集合运算，检测振荡行为与稳定状态。