[论文解读] Mixed membership analysis of high-throughput interaction studies: Relational data

Edoardo M. Airoldi, David M. Blei+2 more|ArXiv.org|Jun 3, 2007

Bioinformatics and Genomic Networks参考文献 23被引用 9

一句话总结

本文提出了一种潜在块混合模型（Admixture of Latent Blocks, ALB），这是一种贝叶斯层次模型，能够识别蛋白质在功能模块中的混合成员身份，并利用关系型蛋白质-蛋白质相互作用数据估计这些模块之间的相互作用模式。该方法采用变分推断技术，高效分析大规模酿酒酵母相互作用网络，通过简洁且可解释的功能模块及其相互作用表示，揭示蛋白质的多样化功能角色。

ABSTRACT

In this paper, we consider the statistical analysis of a protein interaction network. We propose a Bayesian model that uses a hierarchy of probabilistic assumptions about the way proteins interact with one another in order to: (i) identify the number of non-observable functional modules; (ii) estimate the degree of membership of proteins to modules; and (iii) estimate typical interaction patterns among the functional modules themselves. Our model describes large amount of (relational) data using a relatively small set of parameters that we can reliably estimate with an efficient inference algorithm. We apply our methodology to data on protein-to-protein interactions in saccharomyces cerevisiae to reveal proteins' diverse functional roles. The case study provides the basis for an overview of which scientific questions can be addressed using our methods, and for a discussion of technical issues.

研究动机与目标

• 识别高通量蛋白质相互作用网络中不可观测的功能模块。
• 估计蛋白质在多个功能模块中的成员程度，放宽单一组分配的假设。
• 建模并估计功能模块之间典型的相互作用模式。
• 提供一种可扩展的高效推断方法，适用于大规模关系型生物数据。
• 利用潜在模块结构实现新相互作用和蛋白质功能注释的预测。

提出的方法

• 提出潜在块混合（Admixture of Latent Blocks, ALB）模型，一种具有蛋白质混合成员身份的层次贝叶斯模型。
• 采用随机块结构来编码蛋白质组之间的相互作用概率。
• 采用嵌套变分期望-最大化算法实现高效的后验推断，避免计算密集的MCMC方法。
• 应用平均场近似以简化对潜在组成员身份和相互作用参数的后验估计。
• 引入非参数贝叶斯先验，以灵活估计功能模块的数量。
• 使用基因本体论（GO）注释作为金标准，验证预测的功能内容和相互作用精度。

实验结果

研究问题

• RQ1 当蛋白质可能属于多个模块时，如何识别蛋白质相互作用网络中的功能模块？
• RQ2 如何最优地估计每个蛋白质在多个功能模块中的成员程度？
• RQ3 如何建模并估计功能模块之间的相互作用模式？
• RQ4 潜在块结构能否提高预测蛋白质相互作用的精确率和召回率？
• RQ5 如何利用推断出的模块结构对高通量相互作用数据进行去噪和总结？

主要发现

• ALB模型在MIPS蛋白质相互作用网络中成功识别出高精度的功能模块，其结果通过基因本体论（GO）注释得到验证。
• 该模型在预测功能注释方面表现出高精度，后验均值的组成员向量（π）和相互作用参数（B）提供了简洁但准确的数据表示。
• 基于ALB模型预测的相互作用网络在功能精确率方面优于原始MIPS数据集，尤其在低召回率水平下表现更优。
• 预测的相互作用密集块中包含了原始MIPS数据集中未包含的已知功能关联，表明该模型具备推断生物上合理关系的能力。
• ALB模型在总结相互作用网络的功能内容方面表现出色，后验均值的蛋白质组成员身份（Z）以高精度捕获了大部分功能内容。
• 变分推断的使用使得大规模相互作用数据的分析更加高效，使该方法适用于高通量生物应用的可扩展性。