Граничная и модульная оценка значимости в индивидуальном порядке.
Научные отчеты, том 13, Номер статьи: 7868 (2023) Цитировать эту статью
266 Доступов
1 Альтметрика
Подробности о метриках
Индивидуально-специфичные сети, определяемые как сети узлов и соединительных ребер, специфичные для человека, являются многообещающими инструментами точной медицины. Когда такие сети являются биологическими, становится возможной интерпретация функциональных модулей на индивидуальном уровне. Недоисследованной проблемой является оценка актуальности или «значительности» каждой индивидуально-специфичной сети. В этой статье предлагаются новые процедуры оценки значимости границ и модулей для взвешенных и невзвешенных индивидуальных сетей. В частности, мы предлагаем модульное расстояние Кука, используя метод, который включает в себя итеративное моделирование одного края по сравнению со всеми остальными внутри модуля. Также предлагаются две процедуры оценки изменений между использованием всех людей и использованием всех людей, но без учета одного человека (LOO) (LOO-ISN, MultiLOO-ISN), основанные на эмпирически полученных границах. Мы сравниваем наши предложения с предложениями конкурентов, включая адаптации методов OPTICS, kNN и Spoutlier, посредством обширного моделирования, основанного на реальных сценариях совместной экспрессии генов и сетей микробного взаимодействия. Результаты показывают преимущества выполнения модульной оценки значимости по сравнению с граничной оценкой значимости для отдельных сетей. Кроме того, модульное расстояние Кука является одним из лучших во всех рассматриваемых условиях моделирования. Наконец, идентификация отдаленных особей в отношении их индивидуальных сетей имеет значение для целей точной медицины, что подтверждается сетевым анализом профилей численности микробиома.
При анализе взаимосвязи между биологическими особенностями и сложными признаками часто невозможно охарактеризовать результат или фенотип с помощью одного гена или одного пути1, и требуются более сложные характеристики. Сложные заболевания не имеют уникальной причины, а являются результатом накопления различных и взаимодействующих вариаций2. Достижения в области биотехнологий, такие как разработки в области методов визуализации с высоким разрешением и методов высокопроизводительного секвенирования, сделали доступными многомерные взаимозависимые данные о растущих коллекциях людей. Такие данные необходимо анализировать надежно и стабильно. Сетевая медицина позволяет выйти за рамки одномерного анализа и оценить сложность биологических сетей2,3.
Сети хорошо подходят для визуализации и анализа множества биологических процессов в медицине. Сеть — это совокупность связанных объектов. Объекты называются узлами или вершинами. Обычно они визуализируются в виде точек. Соединения между узлами называются ребрами или связями. Графически они изображаются в виде линий между точками. К таким сетям может быть добавлена дополнительная информация, такая как метки узлов или веса ребер. Модуль — это подсеть, состоящая из подмножества выбранных узлов и ребер. Модульность сети измеряет силу разделения сети на модули. Более подробная информация представлена в Таблице S1. Теоретико-графовые конструкции, такие как модули, могут быть более надежными и эффективными, чем традиционные клинические переменные в прогностических или описательных моделях4. Их часто сравнивают между графиками, где каждый график может представлять различное состояние или состояние (больной или здоровый). Как мы увидим позже, сети также могут быть построены для каждого человека отдельно.
Популяционные биологические модели, которые определяют границы биологических сетей путем объединения образцов или фиксации уникальной сетевой связи, применимой ко всем людям в целевой группе, использовались для извлечения признаков для последующего обоснованного анализа5 или для определения и интерпретации эпистаза с использованием генома. - дизайн общеассоциативного исследования6. Также было показано, что с точки зрения персонализированной медицины они помогают сделать выводы для конкретного пациента (например, 7). Однако лекарство «один размер подходит всем» больше не является приемлемым8,9, а экстраполяция выводов популяционных сетей может оказаться недостаточно конкретной для конкретного человека. Более того, в то время как статистические взаимодействия происходят на популяционном уровне, биологические взаимодействия происходят на индивидуальном уровне10. Таким образом, учитывая, что биологически значимые интерактомы могут варьироваться от одного человека к другому, построение индивидуально-специфичных сетей с индивидуально-специфичными краями вызывает растущий интерес.