一种结合先验与新信息的引导网络传播识别疾病基因方法
基因组学
2020-01-20 v1 分子网络
摘要
生物医学数据科学中的一个主要挑战是识别复杂遗传疾病的致病基因。尽管基因组测序数据大量涌入，识别疾病相关基因仍然困难，因为同一疾病的患者可能极少（甚至不）共享遗传变异。蛋白质-蛋白质相互作用网络提供了一种应对这种异质性的手段，因为引起相同疾病的基因往往在网络中邻近。先前，网络传播方法已从已知疾病基因或新近推测与疾病相关的基因（例如，在外显子组研究中发现突变或通过全基因组关联研究 linkage 的基因）在网络中扩散信号。在此我们引入一个通用框架，在网络背景下同时考虑这两类数据源。具体而言，我们利用疾病相关基因的先验知识来引导从新近识别为可能疾病相关基因发起的随机游走。在跨越 24 种癌症类型的大规模测试中，我们证明这种整合先验与新信息的方法不仅能比单独使用任一信息源更好地识别癌症驱动基因，而且轻易优于其他最先进的基于网络的方法。为展示我们方法的通用性，我们还将其应用于全基因组关联数据以识别对若干复杂疾病具功能相关性的基因。总体而言，我们的工作表明，利用先验与新数据的引导网络传播方法是识别疾病基因的有力手段。
引用
@article{arxiv.2001.06135,
title = {A guided network propagation approach to identify disease genes that combines prior and new information},
author = {Borislav H. Hristov and Bernard Chazelle and Mona Singh},
journal= {arXiv preprint arXiv:2001.06135},
year = {2020}
}
备注
RECOMB2020