[论文解读] Revealing missing parts of the interactome

Ryan W. Solava, Tijana Milenković|arXiv (Cornell University)|Jul 12, 2013

Bioinformatics and Genomic Networks参考文献 37被引用 3

一句话总结

本文提出了新颖的、拓扑敏感的链接预测（LP）方法，通过结合拓扑相似性与扩展的共同邻域，以改善蛋白质-蛋白质相互作用（PPI）网络的去噪效果。通过利用加权图谱（weighted graphlets）和边位置分析，所提出的方法在重建原始网络、提升基因本体（Gene Ontology）富集度以及在外部数据中验证预测相互作用方面，均优于现有LP度量方法，展示了去噪后PPI网络中更高的生物正确性。

ABSTRACT

Protein interaction networks (PINs) are often used to "learn" new biological function from their topology. Since current PINs are noisy, their computational de-noising via link prediction (LP) could improve the learning accuracy. LP uses the existing PIN topology to predict missing and spurious links. Many of existing LP methods rely on shared immediate neighborhoods of the nodes to be linked. As such, they have limitations. Thus, in order to comprehensively study what are the topological properties of nodes in PINs that dictate whether the nodes should be linked, we had to introduce novel sensitive LP measures that overcome the limitations of the existing methods. We systematically evaluate the new and existing LP measures by introducing "synthetic" noise to PINs and measuring how well the different measures reconstruct the original PINs. Our main findings are: 1) LP measures that favor nodes which are both "topologically similar" and have large shared extended neighborhoods are superior; 2) using more network topology often though not always improves LP accuracy; and 3) our new LP measures are superior to the existing measures. After evaluating the different methods, we use them to de-noise PINs. Importantly, we manage to improve biological correctness of the PINs by de-noising them, with respect to "enrichment" of the predicted interactions in Gene Ontology terms. Furthermore, we validate a statistically significant portion of the predicted interactions in independent, external PIN data sources. Software executables are freely available upon request.

研究动机与目标

• 解决现有链接预测（LP）方法仅依赖于直接共同邻域、无法捕捉深层网络拓扑结构的局限性。
• 开发新的LP度量方法，整合节点的拓扑相似性及其扩展共同邻域的大小，以提升预测准确性。
• 评估引入更多网络拓扑结构是否能提升LP性能，以及节点间的拓扑相似性是否独立于共同邻域大小，成为相互作用预测的重要指标。
• 利用新旧LP方法对当前存在噪声的PPI网络（如AP/MS、Y2H、HC）进行去噪，提升其生物相关性。
• 通过基因本体（Gene Ontology）富集分析和外部PPI数据库（如BioGRID）验证预测相互作用的生物正确性。

提出的方法

• 基于大小为3–5的加权图谱，提出一种新的基于扩展共同邻域的节点间拓扑相似性度量方法，引入衰减参数α以强调更近邻接关系。
• 提出一种新颖的边位置度量方法，通过计算一对节点共享的子图（图谱）数量，捕捉潜在边在网络中的位置特征。
• 利用加权图谱计算节点相似性，其中权重随距离衰减（α = 0.4–0.8），从而增强对深层网络结构的敏感性。
• 通过在真实PPI网络中引入合成噪声，并利用AUROC和精确率-召回率曲线衡量重建准确性，建立系统化的评估框架。
• 通过选择预测边中排名前k%的边（k ≈ 1–2%）对PPI网络进行去噪，以匹配原始网络规模，确保公平比较。
• 通过基因本体富集分析和将预测的新边与BioGRID数据库交叉比对，验证去噪后网络的有效性。

实验结果

研究问题

• RQ1 是否考虑拓扑相似性与扩展共同邻域的LP方法，优于仅依赖直接邻域的方法？
• RQ2 在PPI网络中，随着引入的网络拓扑信息增加，链接预测的准确性如何变化？
• RQ3 节点间的拓扑相似性是否是相互作用预测的显著独立预测因子，与共同邻域大小无关？
• RQ4 所提出的边位置度量方法（量化子图参与度）是否能超越传统基于邻域的度量方法，提升LP性能？
• RQ5 去噪后的PPI网络在多大程度上表现出更高的生物正确性？该指标通过基因本体富集分析和外部验证进行衡量。

主要发现

• 结合拓扑相似性与大范围扩展共同邻域的LP度量方法，在重建噪声PPI网络方面显著优于传统方法。
• 所提出的基于图谱的方法在α = 0.8时，使用3–5个节点的加权图谱，取得了最高的AUROC和F-score，优于所有现有度量方法。
• 新方法生成的去噪网络在AP/MS和HC网络中均表现出统计显著的基因本体富集（p ≤ 10−100），证实其生物正确性得到提升。
• 新方法在BioGRID中对新预测边的验证率高于所有现有方法，仅低于JC方法，且p值低于1×10−100。
• 尽管性能优异，基于共同邻域的方法（如JC和AA）在部分网络中仍表现出略高的富集度，但新方法在不同数据集间更具一致性。
• 交集分析显示，新方法与SN和AA的相似性高于与JC的相似性；所有方法生成的去噪网络与原始网络的重叠度均高于与DP的重叠度。