基因集邻近分析：通过学习的几何嵌入拓展基因集富集分析
定量方法
2023-02-23 v1 基因组学
摘要
基因集分析方法依赖于以基因集集合和蛋白-蛋白相互作用（PPI）网络形式表示的基于知识的遗传相互作用表示。遗传相互作用的显式表示往往无法捕捉基因间复杂的相互依赖关系，限制了此类方法的分析能力。在此我们提出将基因集富集分析拓展到反映 PPI 网络拓扑的潜特征空间，称为基因集邻近分析（GSPA）。与现有方法相比，GSPA 在疾病匹配的基因表达数据集中识别疾病相关通路的能力更强，同时提高了相似基因集富集统计量的可重复性。GSPA 在统计上直接明了，通过单一用户定义参数可归约为经典基因集富集。我们应用该方法识别与 SARS-CoV-2 病毒进入相关的新颖药物关联。最后，我们通过对来自 800 万患者的理赔数据进行的回顾性临床分析验证了药物关联预测，支持加巴喷丁作为 COVID-19 住院风险因素以及二甲双胍作为保护因素的作用。
引用
@article{arxiv.2202.00143,
title = {Gene set proximity analysis: expanding gene set enrichment analysis through learned geometric embeddings},
author = {Henry Cousins and Taryn Hall and Yinglong Guo and Luke Tso and Kathy Tzy-Hwa Tzeng and Le Cong and Russ Altman},
journal= {arXiv preprint arXiv:2202.00143},
year = {2023}
}
备注
21 pages, 6 figures