[论文解读] Network-based confidence scoring system for genome-scale metabolic reconstructions

M. Ángeles Serrano, Francesc Sagués|arXiv (Cornell University)|Aug 18, 2010

Microbial Metabolic Engineering and Bioproduction参考文献 34被引用 6

一句话总结

本文提出了一种基于网络的置信度评分系统，用于基因组规模的代谢重建，通过代谢网络的二分图结构为反应分配概率可靠性评分。通过建模代谢物-反应连接关系，利用分层且统计规律的网络结构，该方法打破了离散评分系统的退化问题，并识别出需要实验验证的低置信度反应，如在大肠杆菌代谢中的应用所示，量化了相对和绝对评分。

ABSTRACT

Reliability on complex biological networks reconstructions remains a concern. Although observations are getting more and more precise, the data collection process is yet error prone and the proofs display uneven certitude. In the case of metabolic networks, the currently employed confidence scoring system rates reactions according to a discretized small set of labels denoting different levels of experimental evidence or model-based likelihood. Here, we propose a computational network-based system of reaction scoring that exploits the complex hierarchical structure and the statistical regularities of the metabolic network as a bipartite graph. We use the example of Escherichia coli metabolism to illustrate our methodology. Our model is adjusted to the observations in order to derive connection probabilities between individual metabolite-reaction pairs and, after validation, we integrate individual link information to assess the reliability of each reaction in probabilistic terms. This network-based scoring system breaks the degeneracy of currently employed scores, enables further confirmation of modeling results, uncovers very specific reactions that could be functionally or evolutionary important, and identifies prominent experimental targets for further verification. We foresee a wide range of potential applications of our approach given the natural network bipartivity of many biological interactions.

研究动机与目标

• 解决基因组规模代谢重建中离散、非概率置信度评分的局限性。
• 开发一种计算方法，利用代谢网络的分层和统计结构来估计反应的可靠性。
• 打破当前评分系统中对具有截然不同证据水平的反应赋予相同标签的退化问题。
• 识别出具有低置信度的特定反应，这些反应可能在功能或进化上具有重要意义。
• 通过突出显示最高优先级的验证目标，指导未来的实验验证。

提出的方法

• 将代谢网络建模为代谢物与反应之间的二分图，以利用其分层和统计规律性。
• 使用针对观测数据调整的链接预测方法，估计代谢物-反应对之间的连接概率。
• 应用树度量空间以捕捉网络结构中的基于距离的相关性和反相关性。
• 将个体链接概率整合为反应级别的置信度评分，区分绝对（S_TDB）和相对（Σ）评分。
• 使用仅考虑度异质性的随机零模型对模型进行验证。
• 采用连续评分系统，避免传统置信标签的离散化。

实验结果

研究问题

• RQ1 如何在基因组规模代谢重建中改进反应置信度，超越离散的分类标签？
• RQ2 代谢相互作用的二分图结构在多大程度上能够实现更准确、连续的可靠性评分？
• RQ3 能否利用基于网络的统计规律性和分层组织来预测并量化反应置信度？
• RQ4 相对置信度评分（Σ）与绝对评分（S_TDB）在揭示代谢通路中的功能模块性方面有何差异？
• RQ5 哪些反应被识别为具有特别低的置信度，这对实验优先级安排有何含义？

主要发现

• 基于网络的TDB评分系统为反应分配了连续的概率置信度评分，打破了传统离散标签的退化问题。
• 置信度最低的反应——噻唑啉磷酸合成，涉及十二种代谢物，其相对评分为Σ = 0.3，绝对评分为S_TDB = 2。
• 如无机离子转运和氧化磷酸化等通路表现出较高的平均置信度，而丙氨酸和天冬氨酸代谢的评分接近于一，表明其置信度较低。
• TDB与数据库（DB）置信度图之间的差异，如在内膜转运和膜脂代谢中，突显了关键的实验验证目标。
• 相对评分（Σ）揭示了树度量空间中的基于距离的相关性和反相关性，表明网络中存在功能模块性。
• 该方法可进一步验证稳态建模解，并揭示可能在进化或功能上具有重要意义的反应。