用于检测预测性稳定高阶交互作用的迭代随机森林
机器学习
2022-06-08 v4 基因组学
摘要
基因组学已彻底改变了生物学，使得在全转录组、全基因组蛋白质结合位点以及许多其他分子过程层面进行探究成为可能。然而，单个基因组实验测量的是在体内作为更大分子机器组成部分相互作用的元件。理解这些高阶交互作用如何驱动基因表达是一个重大的统计学挑战。基于随机森林（RF）、随机交互树（RITs），并通过广泛的、受生物学启发的模拟，我们开发了迭代随机森林算法（iRF）。iRF 训练一个特征加权的决策树集成，以检测稳定的高阶交互作用，其计算成本与 RF 处于同一量级。我们在两个预测问题中展示了 iRF 在高阶交互作用发现上的实用性：早期果蝇胚胎中的增强子活性以及人类衍生细胞系中初级转录本的可变剪接。在果蝇中，iRF 识别为稳定（在超过一半的自助法重复中出现）的 20 对成对转录因子交互作用中，80% 此前已被报道为物理相互作用。此外，新的三阶交互作用，例如 Zelda (Zld)、Giant (Gt) 和 Twist (Twi) 之间的交互作用，提示了可作为后续实验候选对象的高阶关系。在人类衍生细胞中，iRF 重新发现了 H3K36me3 在染色质介导的剪接调控中的核心作用，并识别出新的五阶和六阶交互作用，表明多价核小体在剪接调控中具有特定作用。通过将交互作用的阶数与识别的计算成本解耦，iRF 为探究基因组生物学背后的分子机制开辟了新途径。
引用
@article{arxiv.1706.08457,
title = {Iterative Random Forests to detect predictive and stable high-order interactions},
author = {Sumanta Basu and Karl Kumbier and James B. Brown and Bin Yu},
journal= {arXiv preprint arXiv:1706.08457},
year = {2022}
}