通过表型-基因组关联的多视图NMF挖掘功能模块
机器学习
2017-05-12 v1 定量方法
摘要
背景：从基因组数据中挖掘基因模块是检测通路或其他关系（如蛋白质-蛋白质相互作用）中基因成员的重要步骤。本工作中，我们探索通过分解来自表型本体而非常规使用的基因表达数据的基因-表型关联来检测基因模块的可行性。特别地，本体层次结构在基因聚类中的利用尚不充分，而功能相关基因始终与表型本体中同一路径上的表型相关联。结果：我们提出一种基于层次非负矩阵分解（NMF）的方法，称为一致多重非负矩阵分解（CMNMF），用于在表型本体的层次结构中分解两个层级的基因组-表型关联矩阵，以挖掘基因功能模块。CMNMF约束来自两个连续层级关联矩阵的基因聚类保持一致，因为基因在连续层级中同时被标注为子表型和父表型。CMNMF还限制所识别的表型聚类在表型本体层次中密集连接。在从小鼠表型本体和人类表型本体挖掘功能相关基因的实验中，CMNMF较基线方法有效提升了聚类性能。还进行了基因本体富集分析以揭示有趣的基因模块。结论：利用表型本体层次结构中的信息，CMNMF能比常规方法识别具有更高生物学意义的功能基因模块。CMNMF也可成为预测基因通路成员和蛋白质-蛋白质相互作用的更好工具。可用性：https://github.com/nkiip/CMNMF
引用
@article{arxiv.1705.03998,
title = {Mining Functional Modules by Multiview-NMF of Phenome-Genome Association},
author = {YaoGong Zhang and YingJie Xu and Xin Fan and YuXiang Hong and Jiahui Liu and ZhiCheng He and YaLou Huang and MaoQiang Xie},
journal= {arXiv preprint arXiv:1705.03998},
year = {2017}
}