用于识别病原病毒响应关键基因的生物网络超图模型
定量方法
2020-10-08 v1 组合数学
摘要
背景：将生物网络表示为图是一种从高通量生物分子数据中揭示潜在模式、特征和关键组分的有力方法。然而，图并不能原生地捕捉生物系统中基因和蛋白质之间存在的多向关系。超图是图的推广，可自然地对多向关系建模，并已在蛋白质复合体和代谢反应等系统建模中显示出前景。在本文中，我们试图理解超图如何基于从基因组表达数据集推断的复杂关系更忠实地识别并潜在预测重要基因。结果：我们编译了一个新颖的病原病毒感染转录宿主响应数据集，并将基因间关系构建为超图，其中超边表示显著扰动的基因，顶点表示具有特定实验条件的个体生物样本。我们发现，与图中心性相比，超图介数中心性是识别病毒响应重要基因的更优方法。结论：我们的结果证明了使用超图表示复杂生物系统的效用，并突出了多种高致病性病毒共有的核心重要响应。
引用
@article{arxiv.2010.03068,
title = {Hypergraph Models of Biological Networks to Identify Genes Critical to Pathogenic Viral Response},
author = {Song Feng and Emily Heath and Brett Jefferson and Cliff Joslyn and Henry Kvinge and Hugh D. Mitchell and Brenda Praggastis and Amie J. Eisfeld and Amy C. Sims and Larissa B. Thackray and Shufang Fan and Kevin B. Walters and Peter J. Halfmann and Danielle Westhoff-Smith and Qing Tan and Vineet D. Menachery and Timothy P. Sheahan and Adam S. Cockrell and Jacob F. Kocher and Kelly G. Stratton and Natalie C. Heller and Lisa M. Bramer and Michael S. Diamond and Ralph S. Baric and Katrina M. Waters and Yoshihiro Kawaoka and Jason E. McDermott and Emilie Purvine},
journal= {arXiv preprint arXiv:2010.03068},
year = {2020}
}