通过潜生物通路网络上的基因表达建模检测扰动：一种贝叶斯分层方法
应用统计
2014-09-02 v1 分子网络
摘要
细胞对扰动的响应是一个复杂网络中连接的生物变量动态系统的结果。药物和疾病研究中的一个主要挑战是识别决定细胞命运的生物网络中的关键因素。本文的目标是从高通量基因表达数据中识别受扰动的通路。我们开发了一个三层分层模型，其中：(i) 第一层使用验证性因子分析捕捉基因表达与生物通路之间的关系；(ii) 第二层使用条件自回归模型对由未知扰动引起的潜在通路网络内的行为进行建模；(iii) 第三层是对扰动的 spike-and-slab 先验。随后，我们通过基于后验的变量选择来识别扰动。我们利用来自 DREAM7 药物敏感性预测挑战数据集的基因转录药物扰动谱说明了我们的方法。我们提出的方法识别出了已知起因果作用且使用基因集富集分析或探索性因子模型不易解析的调控通路。仿真结果评估了该模型相对于无网络变体的性能及其对生物数据库不准确性的鲁棒性。
引用
@article{arxiv.1409.0503,
title = {Perturbation Detection Through Modeling of Gene Expression on a Latent Biological Pathway Network: A Bayesian hierarchical approach},
author = {Lisa M. Pham and Luis Carvalho and Scott Schaus and Eric D. Kolaczyk},
journal= {arXiv preprint arXiv:1409.0503},
year = {2014}
}