结合扰动筛选与稳态基因表达谱推断调控网络

重构转录调控网络是功能基因组学中的一项重要任务。从通过基因敲除或 RNA 干扰扰动基因的实验中获得的数据包含了解决这一重构问题的有用信息。然而，此类数据的规模可能有限且/或获取成本高昂。另一方面，生物体在稳态（例如野生型）下的观测数据更易于获取，但其信息内容不足以胜任手头的任务。我们开发了一种计算方法，以适当利用这两种数据源来估计调控网络。所提出的方法基于一个三步算法来估计潜在的有向但含环的网络，该算法以扰动筛选和稳态基因表达数据作为输入。第一步，算法通过将穷举搜索方法与一种快速启发式方法相结合，确定与扰动数据一致的基因因果排序，而该启发式方法又将蒙特卡洛技术与快速搜索算法耦合。第二步，对于每个获得的因果排序，使用基于惩罚似然的方法估计调控网络。第三步，从得分最高的网络中构建共识网络。大量的计算实验表明，该算法在重构底层网络方面表现良好，并明显优于仅依赖单一数据源的竞争方法。此外，已证实该算法能产生调控网络的一致估计。