[论文解读] Filtering Microarray Correlations by Statistical Literature Analysis Yields Potential Hypotheses for Lactation Research

Maurice HT Ling, Christophe Lefèvre+1 more|Jan 2, 2009

Biomedical Text Mining and Ontologies参考文献 39被引用 3

一句话总结

本研究提出了一种统计文献分析方法，通过识别科学文献中显著的蛋白质共现模式来过滤微阵列基因相关性，其性能优于传统的泊松分布方法。通过整合微阵列数据与文献衍生的共现模式，该方法识别出7个新颖的、可能具有功能性的蛋白质-蛋白质相互作用，这些相互作用与泌乳生物学相关，且此前未在文献中报道。

ABSTRACT

Our results demonstrated that a previously reported protein name co-occurrence method (5-mention PubGene) which was not based on a hypothesis testing framework, it is generally statistically more significant than the 99th percentile of Poisson distribution-based method of calculating co-occurrence. It agrees with previous methods using natural language processing to extract protein-protein interaction from text as more than 96% of the interactions found by natural language processing methods to overlap with the results from 5-mention PubGene method. However, less than 2% of the gene co-expressions analyzed by microarray were found from direct co-occurrence or interaction information extraction from the literature. At the same time, combining microarray and literature analyses, we derive a novel set of 7 potential functional protein-protein interactions that had not been previously described in the literature.

研究动机与目标

• 通过分析科学文献中的共现模式，识别泌乳研究中具有生物学意义的蛋白质-蛋白质相互作用。
• 通过采用统计上稳健的方法而非依赖假设检验框架，改进现有的基于文献的相互作用检测方法。
• 通过过滤和验证共现信号，弥合微阵列衍生的基因表达相关性与文献衍生的蛋白质相互作用之间的差距。
• 通过整合微阵列与文献分析，生成新颖且可检验的泌乳相关通路生物学假说。
• 评估5-提及PubGene方法相对于既定自然语言处理技术与统计模型的有效性。

提出的方法

• 应用5-提及PubGene方法，该方法基于频率阈值在文摘中识别蛋白质共现，以过滤出具有统计显著性的基因相互作用。
• 将5-提及PubGene方法与基于泊松分布的共现模型进行比较，以评估统计显著性。
• 通过与能够从文本中提取蛋白质-蛋白质相互作用的自然语言处理（NLP）工具结果对比，验证该方法的有效性。
• 整合微阵列衍生的基因共表达数据与文献衍生的蛋白质共现模式，以识别潜在的功能性相互作用。
• 基于统计显著性及与已知生物通路的重叠程度，对候选相互作用进行过滤和优先排序。
• 采用蛋白质对在文摘中至少共现五次作为显著关联的阈值，以增强对低频信号的可靠性。

实验结果

研究问题

• RQ1 5-提及PubGene方法在检测蛋白质-蛋白质相互作用时，其统计显著性与基于泊松分布的共现模型相比如何？
• RQ2 5-提及方法检测到的蛋白质共现模式与基于NLP的相互作用提取工具识别出的模式重叠程度如何？
• RQ3 微阵列衍生的基因共表达对中有多少比例可由文献中的直接共现或已知蛋白质相互作用解释？
• RQ4 整合微阵列数据与文献共现模式是否能揭示此前未描述过的新型、具有生物学合理性的蛋白质-蛋白质相互作用？
• RQ5 基于功能背景，通过该方法识别出的新型相互作用是否可能与泌乳生物学相关？

主要发现

• 5-提及PubGene方法的统计显著性超过基于泊松分布共现模型的第99百分位数。
• 超过96%的NLP工具识别出的蛋白质-蛋白质相互作用也被5-提及PubGene方法检测到，表明两种方法之间具有高度一致性。
• 微阵列衍生的基因共表达对中，不足2%得到了文献中直接共现或提取出的相互作用信息的支持。
• 整合微阵列与文献分析后，识别出7个此前未在文献中描述过的新型蛋白质-蛋白质相互作用。
• 这7个新型相互作用在功能上合理，且可能与泌乳生物学相关，表明该方法在生成可检验假说方面的有效性。
• 本研究证实，当通过统计显著性进行过滤时，文献中共现模式能够有效从高通量数据中优先筛选出具有生物学意义的相互作用。