[论文解读] Prediction of a Gene Regulatory Network from Gene Expression Profiles With Linear Regression and Pearson Correlation Coefficient

Mehedi Hassan Onik, Shakhawat Ahmmed Nobin+2 more|arXiv (Cornell University)|May 2, 2018

Gene expression and cancer classification参考文献 19被引用 3

一句话总结

本研究提出了一种新颖的机器学习方法，利用基因表达谱重建癌症特异性基因调控网络（GRN）。通过线性回归识别差异表达基因，再利用皮尔逊相关性推断调控关系，成功识别出潜在的癌症诊断靶点的枢纽基因，并通过生物数据库验证。

ABSTRACT

Reconstruction of gene regulatory networks is the process of identifying gene dependency from gene expression profile through some computation techniques. In our human body, though all cells pose similar genetic material but the activation state may vary. This variation in the activation of genes helps researchers to understand more about the function of the cells. Researchers get insight about diseases like mental illness, infectious disease, cancer disease and heart disease from microarray technology, etc. In this study, a cancer-specific gene regulatory network has been constructed using a simple and novel machine learning approach. In First Step, linear regression algorithm provided us the significant genes those expressed themselves differently. Next, regulatory relationships between the identified genes has been computed using Pearson correlation coefficient. Finally, the obtained results have been validated with the available databases and literatures. We can identify the hub genes and can be targeted for the cancer diagnosis.

研究动机与目标

• 开发一种简单而有效的方法，从基因表达谱重建基因调控网络。
• 利用线性回归识别癌症中差异表达的基因，以提高网络特异性。
• 利用皮尔逊相关系数推断基因之间的调控相互作用。
• 利用现有生物数据库和文献验证预测的网络。
• 识别出在癌症中具有潜在诊断或治疗靶点价值的枢纽基因。

提出的方法

• 对基因表达谱应用线性回归，以识别在不同条件下显著差异表达的基因。
• 从线性回归中选出最显著的基因作为网络构建的候选调控因子和靶基因。
• 计算所选基因对之间的皮尔逊相关系数，以量化线性关系的强度和方向。
• 若相关性超过预设阈值，则推断存在潜在的调控影响。
• 利用公共数据库中的已知生物相互作用对生成的网络进行可视化和交叉验证。
• 基于重构网络中高度连通性识别枢纽基因。

实验结果

研究问题

• RQ1 线性回归识别出的癌症数据集中哪些基因显著差异表达？
• RQ2 皮尔逊相关性测量下，差异表达基因之间存在何种调控关系？
• RQ3 能否利用现有生物数据库验证预测的基因调控网络？
• RQ4 在重构的网络中，哪些基因表现为枢纽基因，表明其具有潜在的调控重要性？
• RQ5 预测的调控相互作用是否具有生物学合理性，并与已知的癌症相关通路一致？

主要发现

• 线性回归成功从基因表达数据集中识别出一组差异表达基因，构成了网络构建的基础。
• 皮尔逊相关系数有效捕捉了基因对之间的显著线性关系，从而支持调控相互作用的推断。
• 在与公共数据库交叉验证后，重构的基因调控网络显示出与已知生物相互作用的一致性。
• 识别出高度连通的枢纽基因，表明其在调控关键癌症相关过程中的潜在作用。
• 该方法生成了一个具有生物学合理性的网络，突出了候选基因，可在癌症诊断中进行进一步的实验验证。