利用网络中的排序一致性推断疾病与基因集关联
基因组学
2011-02-22 v1 人工智能
机器学习
分子网络
摘要
验证高通量基因组研究中识别的候选疾病基因的一个计算挑战是阐明候选基因集与疾病表型之间的关联。传统的基因集富集分析通常无法揭示疾病表型与包含少量注释不良基因的基因集之间的关联，因为现有疾病致病基因的注释是不完整的。我们提出了一种名为 rcNet 的基于网络的计算方法，用于发现基因集与疾病表型之间的关联。假设根据与查询基因集的相关性排序的基因，与根据与查询基因集的隐藏目标疾病表型的相关性排序的疾病表型之间存在一致的关联，我们构建了一个学习框架，以最大化关于已知疾病表型-基因关联的排序一致性。我们引入了将岭回归与标签传播相结合的高效算法及其两种变体，以找到该框架的最优解。我们通过留一法交叉验证和预测 OMIM 中最近发现的疾病-基因关联的任务，评估了 rcNet 算法和现有的基线方法。实验表明，与基线方法相比，rcNet 算法实现了最佳的整体排序。为了进一步验证性能的可重复性，我们将这些算法应用于识别从最近的 GWAS、DNA 拷贝数变异分析和基因表达谱研究中获得的新型候选疾病基因的目标疾病。在所有三个案例研究中，算法在许多情况下都将候选基因的目标疾病排在排序列表的顶部。rcNet 算法可作为疾病与基因集关联分析的网络工具使用，网址为 http://compbio.cs.umn.edu/dgsa_rcNet。
引用
@article{arxiv.1102.3919,
title = {Inferring Disease and Gene Set Associations with Rank Coherence in Networks},
author = {TaeHyun Hwang and Wei Zhang and Maoqiang Xie and Rui Kuang},
journal= {arXiv preprint arXiv:1102.3919},
year = {2011}
}
备注
16 pages