ARACNE：一种用于哺乳动物细胞环境中基因调控网络重构的算法

背景：阐明基因调控网络对于理解正常细胞生理和复杂病理表型至关重要。现有的用于此类网络全基因组“逆向工程”的计算方法是成功的，但仅适用于具有简单基因组的低等真核生物。在此我们提出ARACNE，一种新颖的算法，利用微阵列表达谱，专门设计用于扩展到哺乳动物细胞中调控网络的复杂性，同时又足够通用以解决更广泛的网络解卷积问题。该方法使用信息论方法来消除由共表达方法推断出的大多数间接相互作用。结果：我们证明如果网络拓扑中环的影响可忽略，则ARACNE（渐近地）精确重构网络，并且我们表明该算法在实践中表现良好，即使在存在众多环和复杂拓扑的情况下。我们使用一个现实的合成数据集和来自人B细胞的微阵列数据集评估ARACNE重构转录调控网络的能力。在合成数据集上ARACNE实现了非常低的错误率，并且优于已建立的方法，如关联网络（Relevance Networks）和贝叶斯网络（Bayesian Networks）。应用于人B细胞中遗传网络的解卷积证明了ARACNE推断c-MYC原癌基因已验证转录靶标的能力。我们还研究了互信息错误估计对网络重构的影响，并表明基于互信息排序的算法对估计误差更具弹性。