Constructing module maps for integrated analysis of heterogeneous biological networks.
Constructing module maps for integrated analysis of heterogeneous biological networks.
复制标题
构建模块图，以进行异质生物网络的综合分析。
DOI：
10.1093/nar/gku102
复制
发表时间：
2014-04
影响因子：
14.9
通讯作者：
Shamir R
中科院分区：
文献类型：
--
作者：
Amar D;Shamir R
迫切需要改进的方法来集成分析不同种类的大规模基因组数据。在这里，我们采用基于网络的方法来应对这一挑战。给定两个网络，代表不同类型的基因相互作用，我们构建了一个链接模块的地图，其中模块是第一个网络中强连接的基因，而链接代表第二个网络中的强模块间连接。我们开发了新的算法，在来自三个不同领域的模拟和真实数据上大大优于现有技术。首先，通过分析酵母中蛋白质-蛋白质相互作用和负遗传相互作用，我们发现了蛋白质复合体之间的上位性关系。其次，我们分析了酵母中蛋白质-蛋白质相互作用和DNA损伤特异性正遗传相互作用，揭示了蛋白质复合体之间的功能重排，提出了DNA损伤反应的新机制。最后，利用非小细胞肺癌患者的转录本，我们分析了全球共表达网络和疾病相关差异共表达网络，并发现免疫激活过程的两个模块之间的相关性急剧下降，可能是microRNA控制的。我们的研究表明，模块映射是深入分析异质高通量基因组数据的有力工具。
Improved methods for integrated analysis of heterogeneous large-scale omic data are direly needed. Here, we take a network-based approach to this challenge. Given two networks, representing different types of gene interactions, we construct a map of linked modules, where modules are genes strongly connected in the first network and links represent strong inter-module connections in the second. We develop novel algorithms that considerably outperform prior art on simulated and real data from three distinct domains. First, by analyzing protein–protein interactions and negative genetic interactions in yeast, we discover epistatic relations among protein complexes. Second, we analyze protein–protein interactions and DNA damage-specific positive genetic interactions in yeast and reveal functional rewiring among protein complexes, suggesting novel mechanisms of DNA damage response. Finally, using transcriptomes of non–small-cell lung cancer patients, we analyze networks of global co-expression and disease-dependent differential co-expression and identify a sharp drop in correlation between two modules of immune activation processes, with possible microRNA control. Our study demonstrates that module maps are a powerful tool for deeper analysis of heterogeneous high-throughput omic data.
登录
查看更多内容
影响因子：
14.9
作者：
Chatr-Aryamontri A;Breitkreutz BJ;Heinicke S;Boucher L;Winter A;Stark C;Nixon J;Ramage L;Kolas N;O'Donnell L;Reguly T;Breitkreutz A;Sellam A;Chen D;Chang C;Rust J;Livstone M;Oughtred R;Dolinski K;Tyers M
通讯作者：
Tyers M
影响因子：
2.5
作者：
Brusky, J;Zhu, Y;Xiao, W
通讯作者：
Xiao, W
影响因子：
16
作者：
Guénolé A;Srivas R;Vreeken K;Wang ZZ;Wang S;Krogan NJ;Ideker T;van Attikum H
通讯作者：
van Attikum H
影响因子：
1.7
作者：
Kelley, David R.;Kingsford, Carl
通讯作者：
Kingsford, Carl
在基因组量表上对酵母中适应性和遗传相互作用的定量分析。
影响因子：
48
作者：
Baryshnikova, Anastasia;Costanzo, Michael;Kim, Yungil;Ding, Huiming;Koh, Judice;Toufighi, Kiana;Youn, Ji-Young;Ou, Jiongwen;San Luis, Bryan-Joseph;Bandyopadhyay, Sunayan;Hibbs, Matthew;Hess, David;Gingras, Anne-Claude;Bader, Gary D.;Troyanskaya, Olga G.;Brown, Grant W.;Andrews, Brenda;Boone, Charles;Myers, Chad L.
通讯作者：
Myers, Chad L.