[论文解读] Finding Communities of Related Genes

Dennis M. Wilkinson, Bernardo A. Huberman|arXiv (Cornell University)|Oct 7, 2002

Bioinformatics and Genomic Networks被引用 9

一句话总结

本文提出一种基于图的方法，利用生物医学文献中的共现模式识别功能相关基因的社区。通过将基因互作建模为具有幂律度分布的网络，并应用介数中心性算法，该方法检测出具有生物意义的基因社区，在结肠癌相关基因集上通过加权成员分配得到有效验证。

ABSTRACT

We present an automated method of identifying communities of functionally related genes from the biomedical literature. These communities encapsulate human gene and protein interactions and identify groups of genes that are complementary in their function. We use graphs to represent the network of gene cooccurrences in articles mentioning particular keywords, and find that these graphs consist of one giant connected component and many small ones. In addition, the vertex degree distribution of the graphs follows a power law, whose exponent we determine. We then use an algorithm based on betweenness centrality to identify community structures within the giant component. The different structures are then aggregated into a final list of communities, whose members are weighted according to how strongly they belong to them. Our method is efficient enough to be applicable to the entire Medline database, and yet the information it extracts is significantly detailed, applicable to a particular problem, and interesting in and of itself. We illustrate the method in the case of colon cancer and demonstrate important features of the resulting communities.

研究动机与目标

• 从生物医学文献中自动识别功能相关的基因社区，而无需事先了解基因功能。
• 通过科学文献中文献中共现来建模基因互作，捕捉隐含的功能关系。
• 开发一种可扩展且高效的算法，适用于Medline等大规模数据库。
• 提取详细且具有生物意义的基因分组，反映互补的功能角色。
• 在特定疾病背景（结肠癌）上验证该方法，展示其在系统生物学中的实用性。

提出的方法

• 构建一个基因共现网络，其中节点代表基因，边代表在包含特定关键词的文章中同时出现。
• 将网络建模为具有一个巨大连通分量和多个小分量的图，表现出幂律度分布。
• 应用基于介数中心性的算法，检测巨大连通分量内的社区结构。
• 将检测到的社区聚合为最终列表，根据成员强度为每个基因分配权重。
• 使用关键词过滤聚焦于相关生物背景（如结肠癌），以提高功能特异性。
• 利用网络的统计特性（如幂律指数）验证社区检测的稳健性。

实验结果

研究问题

• RQ1 生物医学文献中的基因共现模式能否揭示具有生物意义的功能社区？
• RQ2 基因共现网络的拓扑特性（如度分布和连通性）如何影响社区检测？
• RQ3 基于介数中心性的算法在大规模文献衍生网络中能在多大程度上识别出一致的基因社区？
• RQ4 如何对基因在社区中的成员身份进行定量加权，以反映其功能相关性？
• RQ5 该方法能否有效应用于现实世界的生物学问题，例如识别结肠癌相关基因网络？

主要发现

• 从Medline中导出的基因共现网络表现出幂律度分布，表明其具有无标度特性。
• 该网络包含一个主导的巨大连通分量，表明基因间存在广泛的功能互联性。
• 基于介数中心性的算法在结肠癌背景下成功识别出具有生物意义的基因社区。
• 基因社区富含功能相关的基因，证明该方法能够捕捉互补的生物学角色。
• 该方法生成加权成员身份，允许对基因在多个功能组中的参与程度进行细致解读。
• 该方法具有可扩展性，适用于整个Medline数据库，支持大规模系统生物学分析。