[论文解读] INFERRING GENE ASSOCIATION NETWORKS USING SPARSE CANONICAL CORRELATION ANALYSIS

Y. X. Rachel Wang, Keni Jiang+3 more|arXiv (Cornell University)|Jan 25, 2014

Bioinformatics and Genomic Networks参考文献 6被引用 6

一句话总结

本文提出了一种新颖的方法，通过结合稀疏典型相关分析（SCCA）与重复的随机划分和子采样，推断基因关联网络，以估计基因群组之间的条件依赖关系。通过聚合不同阶数的偏相关性，该方法提高了统计显著性与生物学可解释性，在假阳性率更低且关键生物通路检测能力更强方面优于现有方法。

ABSTRACT

Networks pervade many disciplines of science for analyzing complex systems with interacting components. In particular, this concept is commonly used to model interactions between genes and identify closely associated genes forming functional modules. In this paper, we focus on gene group interactions and infer these interactions using appropriate partial correlations between genes, that is, the conditional dependencies between genes after removing the influences of a set of other functionally related genes. We introduce a new method for estimating group interactions using sparse canonical correlation analysis (SCCA) coupled with repeated random partition and subsampling of the gene expression data set. By considering different subsets of genes and ways of grouping them, our interaction measure can be viewed as an aggregated estimate of partial correlations of different orders. Our approach is unique in evaluating conditional dependencies when the correct dependent sets are unknown or only partially known. As a result, a gene network can be constructed using the interaction measures as edge weights and gene functional groups can be inferred as tightly connected communities from the network. Comparisons with several popular approaches using simulated and real data show our procedure improves both the statistical significance and biological interpretability of the results. In addition to achieving considerably lower false positive rates, our procedure shows better performance in detecting important biological pathways.

研究动机与目标

• 解决在正确条件依赖基因集合未知或部分已知时推断基因关联网络的挑战。
• 通过建模高阶偏相关性，提高基因网络构建的统计功效与生物学可解释性。
• 在增强功能相关基因模块识别能力的同时，降低基因互作检测中的假阳性率。
• 开发一种稳健的、数据驱动的方法，通过整合基因表达数据的多个随机划分与子样本的交互估计。

提出的方法

• 该方法采用稀疏典型相关分析（SCCA）估计基因群组之间的典型相关性，捕捉其在考虑其他功能相关基因后的条件依赖关系。
• 通过重复的随机划分与子采样基因表达数据，生成多样化的分组，以实现对不同阶数偏相关性的估计。
• 将SCCA导出的交互度量在多个子样本上聚合，以生成基因群组关联的稳定、稳健估计。
• 聚合后的交互得分作为基因网络中的边权重，紧密连接的社区被识别为功能基因模块。
• 该方法无需预先知道正确的条件集，适用于生物背景信息不完整或不确定的情境。
• 使用标准社区检测算法，将基因功能群组推断为构建网络中的密集连接社区。

实验结果

研究问题

• RQ1 当正确条件依赖基因集合未知或仅部分已知时，如何构建基因关联网络？
• RQ2 在多个随机分组中聚合偏相关性估计，能在多大程度上提升基因网络推断的准确性和稳定性？
• RQ3 所提出的基于SCCA的方法是否能在假阳性率更低的前提下，优于现有方法检测出具有生物学意义的通路？
• RQ4 该方法在模拟和真实基因表达数据中识别功能模块的表现如何？

主要发现

• 在模拟和真实数据实验中，该方法相比多种流行网络推断方法，显著降低了假阳性率。
• 该方法在检测重要生物通路方面表现更优，增强了推断网络的生物学可解释性。
• 通过在多个随机划分与子样本上聚合交互估计，可获得更稳定可靠的网络结构。
• SCCA的使用有效实现了高阶偏相关性的估计，捕捉了基因群组之间复杂的条件依赖关系。
• 功能基因模块被成功识别为推断网络中的紧密连接社区，与已知生物通路一致。
• 该方法对条件集选择的不确定性表现出鲁棒性，适用于生物知识不完整的真实场景。