利用稀疏典型相关分析推断基因 - 基因相互作用与功能模块

网络广泛应用于多个科学领域，用于分析具有相互作用组分的复杂系统。特别是，这一概念常被用于模拟基因间的相互作用，并识别形成功能模块的紧密关联基因。本文聚焦于基因组相互作用，利用基因间适当的偏相关（即在去除一组其他功能相关基因的影响后基因间的条件依赖）来推断这些相互作用。我们提出了一种新方法，通过稀疏典型相关分析（SCCA）结合对基因表达数据集的重复随机划分与子采样来估计组间相互作用。通过考虑不同的基因子集及其分组方式，我们的相互作用度量可被视为不同阶偏相关的聚合估计。我们的方法在正确依赖集未知或仅部分已知的情况下评估条件依赖性方面具有独特性。因此，可以利用这些相互作用度量作为边权重构建基因网络，并从网络中推断出作为紧密连接社群的基因功能组。与几种流行方法在模拟数据和真实数据上的比较表明，我们的过程提高了结果的统计显著性和生物学可解释性。除了实现显著更低的假阳性率外，我们的过程在检测重要生物通路方面表现出更好的性能。