[论文解读] Graph Theory and Networks in Biology

Oliver Mason, Mark Verwoerd|ArXiv.org|Apr 6, 2006

Gene Regulatory Network Analysis参考文献 162被引用 6

一句话总结

本文综述了图论与网络分析在生物系统中的应用，重点聚焦于代谢网络、蛋白质相互作用网络和转录调控网络等分子网络。研究表明，网络拓扑结构——尤其是中心性度量、网络基序和无标度结构——深刻影响生物动力学行为，如同步化与疾病传播；关键发现表明，高连接度节点通常具有关键功能，且无标度网络可显著降低流行病的爆发阈值。

ABSTRACT

In this paper, we present a survey of the use of graph theoretical techniques in Biology. In particular, we discuss recent work on identifying and modelling the structure of bio-molecular networks, as well as the application of centrality measures to interaction networks and research on the hierarchical structure of such networks and network motifs. Work on the link between structural network properties and dynamics is also described, with emphasis on synchronization and disease propagation.

研究动机与目标

• 提供图论方法在生物网络中应用的全面综述。
• 识别影响生物功能与动力学的生物分子网络结构特性。
• 探讨网络拓扑与动态行为（如同步化与疾病传播）之间的关系。
• 突出中心性度量鲁棒性与网络推断中数据准确性方面的开放挑战。
• 通过识别建模与分析生物网络中的关键未解问题，为未来研究提供指导。

提出的方法

• 应用图论工具对代谢网络、蛋白质相互作用网络和转录调控网络进行建模与分析。
• 使用中心性度量（度中心性、接近中心性与特征向量中心性）识别生物网络中的关键节点。
• 通过统计显著性检验识别过度表达的子网络基序（如前馈环）。
• 利用聚类系数、特征路径长度与度分布等指标分析网络拓扑结构。
• 通过耦合振子模型研究无标度网络与小世界网络上的同步化动力学。
• 对具有不同拓扑结构（包括无标度网络与随机网络）的网络进行流行病传播的模拟与平均场分析。

实验结果

研究问题

• RQ1 在蛋白质相互作用网络中，中心性度量与蛋白质功能必要性之间的相关性如何？
• RQ2 在调控网络中，如前馈环等重复出现的网络基序具有何种功能意义？
• RQ3 网络拓扑在多大程度上决定了神经或调控系统中同步化的倾向性？
• RQ4 无标度拓扑结构如何影响流行病的爆发阈值及免疫策略的有效性？
• RQ5 采样误差与数据噪声在多大程度上影响系统生物学中基于网络预测的可靠性？

主要发现

• 度中心性、接近中心性与特征向量中心性均为蛋白质功能必要性的强预测因子，但复杂中心性度量相较于度中心性并无明显优势。
• 如前馈环等网络基序在统计上显著，且可能在调控网络中承担特定的信息处理功能。
• 无标度网络表现出两阶段同步化转变，并在无限极限下同步阈值趋于消失，表明其具有高度可同步性。
• 与随机网络相比，无标度网络的流行病爆发阈值显著降低，使得流行病更易爆发。
• 在无标度网络中，针对高连接度节点的靶向免疫策略显著优于随机免疫策略，尤其在控制流行病方面效果更佳。
• 中心性度量对数据不准确的鲁棒性仍是可靠生物网络分析中亟待解决的重大挑战。