从数据走向知识：通过统一系统扰动数据的知识挖掘与数据挖掘揭示信号系统的架构
分子网络
2015-06-15 v2 基因组学
摘要
遗传和药理学扰动实验（例如删除基因并监测基因表达响应）是研究细胞信号转导通路的有力工具。然而，如何从系统扰动 - 响应数据中自动推导概念层面的细胞信号系统知识仍然是一个挑战。在本研究中，我们探索了一个统一知识挖掘和数据挖掘方法以实现该目标的框架。该框架包含以下自动化过程：1) 应用本体驱动的知识挖掘方法，识别响应扰动的基因中的功能模块，以揭示受扰动影响的潜在信号；2) 应用基于图的数据挖掘方法，搜索关于功能模块影响共同信号的扰动；以及 3) 揭示信号系统的架构，根据其关系将信号单元组织成层次结构。将该框架应用于酵母扰动 - 响应数据汇编，我们成功恢复了许多众所周知的信号转导通路；此外，我们的分析提出了许多关于酵母信号转导系统的假设；最后，我们的分析自动将受扰动基因组织为反映酵母信号系统架构的图。重要的是，该框架将分子发现从基因层面转化为概念层面，可 readily 转化为关于酵母信号系统的可计算知识规则形式，例如“如果涉及 MAPK 信号的基因受到扰动，涉及信息素响应的基因将差异表达”。
引用
@article{arxiv.1302.5344,
title = {From data towards knowledge: Revealing the architecture of signaling systems by unifying knowledge mining and data mining of systematic perturbation data},
author = {Songjian Lu and Bo Jin and Ashley Cowart and Xinghua Lu},
journal= {arXiv preprint arXiv:1302.5344},
year = {2015}
}