通过网络传播推断动态衰老相关生物子网络
分子网络
2020-04-16 v3
摘要
基因表达（GE）数据捕获有价值的条件特异性信息（“条件”可指生物过程、疾病阶段、年龄、患者等）。然而，GE 分析忽略了基因产物即蛋白质之间的物理相互作用。由于蛋白质通过相互交互发挥作用，且生物网络（BN）捕获了这些交互，BN 分析颇具前景。然而，当前 BN 数据未能捕获条件特异性信息。近来，GE 与 BN 数据已通过网络传播（NP）相整合以推断条件特异性 BN。然而，现有的基于 NP 的研究产生的是静态条件特异性子网络，尽管细胞过程是动态的。我们关注的一个动态过程是人类衰老。我们将已有的突出 NP 方法用于推断动态而非静态条件特异性（衰老相关）子网络这一新任务。接着，我们研究网络结构随年龄的演化——我们识别出网络位置随年龄显著变化的蛋白质，并将其预测为新的衰老相关候选者。我们通过功能富集分析和文献检索等验证这些预测。通过 NP 进行的动态网络推断比唯一已有的不使用 NP 推断动态衰老相关 BN 的方法具有更高的预测质量。
引用
@article{arxiv.1807.05637,
title = {Inference of the Dynamic Aging-related Biological Subnetwork via Network Propagation},
author = {Khalique Newaz and Tijana Milenkovic},
journal= {arXiv preprint arXiv:1807.05637},
year = {2020}
}