蛋白质信号网络的增广稀疏重构
数据分析、统计与概率
2012-06-15 v2 分子网络
摘要
重构与识别细胞内蛋白质信号及生化网络的问题在当今生物学中具有至关重要的意义。我们试图就此问题发展一种数学方法,并以当今生物学中研究最为深入且临床意义重大的信号网络之一——表皮生长因子受体(EGFR)驱动的信号级联——作为测试案例。具体而言,我们提出了一种方法,即增广稀疏重构,用于从少量具有不同初始条件的轨迹中识别常微分方程(ODE)网络节点之间的连接。该方法通过对所有给定轨迹的积分集合构建表示系统,并衰减表示本身中的项块。随后,该表示系统被随机向量增广,并通过最小化 1-范数来寻找每个节点动力学交互的稀疏表示。随机向量的增广至关重要,因为仅靠稀疏性无法处理表示中较大的变量误差。增广稀疏重构允许考虑潜在非常大的模型空间,并且即使在测量轨迹中加入中等噪声时,也能高精度地检测节点之间少数相关的连接。在展示该方法在 EGFR 蛋白质网络模型上的性能之后,我们简要勾勒了该方法未来潜在的临床治疗应用。
引用
@article{arxiv.0705.3989,
title = {Augmented Sparse Reconstruction of Protein Signaling Networks},
author = {D. Napoletani and T. Sauer and D. C. Struppa and E. Petricoin and L. Liotta},
journal= {arXiv preprint arXiv:0705.3989},
year = {2012}
}
备注
24 pages, 6 figures