基于大肠杆菌基因表达数据的层级群落稳健检测
定量方法
2015-06-03 v2 统计力学
物理与社会
摘要
确定生物网络的功能结构是系统生物学的核心目标之一。一种方法是分析基因表达数据，基于基因对环境及遗传扰动的 correlated 响应来推断基因相互作用网络。随后可分析该推断网络以识别功能群落。然而，常用算法可能因实验噪声、算法随机性以及任意选择参数值的影响而产生不可靠的结果。此外，所得结果通常仅提供将网络划分为不相交群落的简化视图，未提供群落间关系的信息。在此，我们提出了稳健检测共调控且功能富集的基因群落的方法，并展示了其在 Escherichia coli 基因表达数据中的应用与有效性。通过将最近开发的群落检测算法应用于使用相关性情似然（CLR）方法识别的相互作用网络，我们表明可以识别出网络群落的层级结构。这些群落显著富集基因本体（GO）术语，与其代表具有生物学意义的群体一致。此外，对最显著富集群落的分析识别出了几个候选的新调控相互作用。通过展示在加入模拟实验噪声的人工噪声后仍能可靠地发现一组核心功能群落，证明了我们方法的稳健性。我们发现噪声主要起保守作用，增加了可靠分配网络链接所需的相关性，并减小了核心群落的规模，而非导致基因关联形成新的群落。
引用
@article{arxiv.1201.2366,
title = {Robust Detection of Hierarchical Communities from Escherichia coli Gene Expression Data},
author = {Santiago Treviño and Yudong Sun and Tim F. Cooper and Kevin E. Bassler},
journal= {arXiv preprint arXiv:1201.2366},
year = {2015}
}
备注
Due to appear in PLoS Computational Biology. Supplementary Figure S1 was not uploaded but is available by contacting the author. 27 pages, 5 figures, 15 supplementary files