[论文解读] Probabilistic analysis of the human transcriptome with side information

Leo Lahti|arXiv (Cornell University)|Feb 27, 2011

Gene expression and cancer classification参考文献 342被引用 5

一句话总结

本论文开发了概率建模方法，通过整合高通量基因表达数据与基因组数据库中的附加信息，分析人类转录组。该方法提升了测量精度，利用功能互作约束实现了全生物体范围的组织特异性转录网络探索，并对多组学数据源之间的依赖关系进行建模，为系统生物学和癌症研究提供了稳健、可扩展的开源工具，其BioConductor实现已公开。

ABSTRACT

Understanding functional organization of genetic information is a major challenge in modern biology. Following the initial publication of the human genome sequence in 2001, advances in high-throughput measurement technologies and efficient sharing of research material through community databases have opened up new views to the study of living organisms and the structure of life. In this thesis, novel computational strategies have been developed to investigate a key functional layer of genetic information, the human transcriptome, which regulates the function of living cells through protein synthesis. The key contributions of the thesis are general exploratory tools for high-throughput data analysis that have provided new insights to cell-biological networks, cancer mechanisms and other aspects of genome function. A central challenge in functional genomics is that high-dimensional genomic observations are associated with high levels of complex and largely unknown sources of variation. By combining statistical evidence across multiple measurement sources and the wealth of background information in genomic data repositories it has been possible to solve some the uncertainties associated with individual observations and to identify functional mechanisms that could not be detected based on individual measurement sources. Statistical learning and probabilistic models provide a natural framework for such modeling tasks. Open source implementations of the key methodological contributions have been released to facilitate further adoption of the developed methods by the research community.

研究动机与目标

• 通过利用基因组数据库中的附加信息，提升测量可靠性，以应对高维、噪声较大的转录组数据挑战。
• 开发可扩展的探索性方法，以推断人类全身范围内转录活性的全局模式及组织间功能相关性。
• 整合共现的转录组与基因组数据源，以揭示隐藏的功能依赖关系与生物学机制。
• 提供开源、可重用的计算工具，以支持整合性功能基因组学与系统生物学研究。
• 通过在原则化的概率框架中结合统计学习与先验生物学知识，推进对复杂生物系统的分析。

提出的方法

• 应用概率模型，将高通量微阵列检测的统计证据与序列及互作数据库中的附加信息相结合。
• 利用基因组互作数据库中已知或预测的基因-基因互作关系，对建模进行约束，聚焦于生物学上合理的数据区域。
• 实施降维与子空间建模技术，使分析可扩展至全基因组转录组数据。
• 开发依赖关系模型，联合分析多种测量来源（如基因表达、microRNA、表观遗传标记），以捕捉跨层次关系。
• 利用贝叶斯与潜变量框架，处理大规模基因组观测中的不确定性与异质性。
• 在BioConductor中发布开源实现，以确保核心方法的可重现性与社区采纳。

实验结果

研究问题

• RQ1 如何利用基因组数据库中的附加信息，提升高通量微阵列检测的准确性？
• RQ2 当将功能互作约束整合到分析中时，正常人体组织中转录网络激活的全局模式如何呈现？
• RQ3 如何对共现的转录组与其他基因组数据层之间的依赖关系进行建模，以揭示隐藏的功能机制？
• RQ4 在高维、噪声较大的转录组数据中，基于附加信息的概率建模在多大程度上可增强生物相关信号的检测？
• RQ5 这些方法在多大程度上可泛化并应用于研究复杂疾病（如癌症）及人类转录组中的进化变异？

主要发现

• 将基因组数据库中的附加信息整合到分析中，显著提升了高通量微阵列检测的准确性，有效降低了噪声与偏差。
• 所提出的探索性方法成功揭示了在互作约束下，人类器官间组织特异性转录网络模式与功能相关性。
• 对多组学数据源的概率建模揭示了仅从单一数据类型中无法检测到的功能机制与调控互作关系。
• 该方法可有效扩展至全基因组转录组数据，实现无需先验生物学假设的全生物体分析。
• 已在BioConductor中发布开源实现，促进了方法在功能基因组学与系统生物学中的采用与扩展。
• 该方法在整合多种基因组信息层次方面展现出在癌症研究与进化基因组学中应用的强潜力。