分子网络中的多层流识别人类蛋白质组中的生物模块

多种复杂系统同时表现出不同类型的关系，可用多层网络建模。一个典型问题是确定此类系统的社区结构，这通常依赖于一个或多个待调谐的参数。在本研究中，我们提出一种基于信息论的度量，用于寻找表征 Multiplex Infomap（Infomap 算法在多层层网络领域的推广）的松弛率的最优值。我们在合成网络上评估了该方法，表明当使用最合适的松弛率时，可可靠地识别出最具代表性的社区结构。基于这些结果，我们利用该度量来识别人类蛋白质-蛋白质相互作用多层网络中最可靠的中尺度功能组织，并将观察到的簇与来自 Molecular Signatures Database (MSigDB) 的一组独立注释基因集进行比较。我们的分析揭示，以最优松弛率获得的模块具有生物学意义，并且值得注意的是，其功能含量高于从人类蛋白质组的聚合表示中获得的模块。我们的框架使我们能够刻画那些层与层之间并未显式相互连接的多层系统的中尺度结构——如边着色模型所示——这类系统描述了大多数生物网络，从蛋白质组到连接组。