Pairwise Versus Multiple Global Network Alignment.
Pairwise Versus Multiple Global Network Alignment.
复制标题
配对与多个全球网络对齐。
DOI：
10.1109/access.2020.2976487
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
MilenkoviĆ T
中科院分区：
文献类型：
--
作者：
Vijayan V;Gu S;Krebs ET;Meng L;MilenkoviĆ T
生物网络比对（NA）旨在识别不同物种分子网络之间的相似区域。NA可以是局部的或全局的。正如NA领域最近的趋势一样，我们也关注全局NA，它可以是成对的（PNA）和多重的（MNA）。PNA在两个网络之间产生对齐的节点对。MNA在两个以上的网络之间产生对齐的节点簇。最近，焦点已经从PNA转移到MNA，因为MNA比PNA捕获更多网络之间的保守区域（因此假设MNA产生更高质量的比对），尽管计算复杂度更高。问题是，由于PNA和MNA的输出不同，PNA方法仅与其他PNA方法进行比较，而MNA方法仅与其他MNA方法进行比较。必须将PNA与MNA进行比较，以评估MNA是否确实产生更高质量的比对，因为只有这样才能证明MNA的更高计算复杂性。我们引入了一个框架，允许这一点。我们评估八个突出的PNA和MNA方法，合成和现实世界的生物网络，使用拓扑和功能对齐质量的措施。我们比较PNA对MNA在两个成对（原生PNA）和多个（原生MNA）的方式。预计PNA在成对评估框架下的表现会更好。这就是我们所发现的。预计多边核方案在多重评价框架下将取得更好的业绩。令人震惊的是，我们发现这并不总是成立;在这个框架中，PNA往往比MNA更好，这取决于评估测试的选择。
Biological network alignment (NA) aims to identify similar regions between molecular networks of different species. NA can be local or global. Just as the recent trend in the NA field, we also focus on global NA, which can be pairwise (PNA) and multiple (MNA). PNA produces aligned node pairs between two networks. MNA produces aligned node clusters between more than two networks. Recently, the focus has shifted from PNA to MNA, because MNA captures conserved regions between more networks than PNA (and MNA is thus hypothesized to yield higher-quality alignments), though at higher computational complexity. The issue is that, due to the different outputs of PNA and MNA, a PNA method is only compared to other PNA methods, and an MNA method is only compared to other MNA methods. Comparison of PNA against MNA must be done to evaluate whether MNA indeed yields higher-quality alignments, as only this would justify MNA’s higher computational complexity. We introduce a framework that allows for this. We evaluate eight prominent PNA and MNA methods, on synthetic and real-world biological networks, using topological and functional alignment quality measures. We compare PNA against MNA in both a pairwise (native to PNA) and multiple (native to MNA) manner. PNA is expected to perform better under the pairwise evaluation framework. Indeed this is what we find. MNA is expected to perform better under the multiple evaluation framework. Shockingly, we find this not always to hold; PNA is often better than MNA in this framework, depending on the choice of evaluation test.
登录
查看更多内容
影响因子：
3
作者：
Dohrmann J;Puchin J;Singh R
通讯作者：
Singh R
影响因子：
3.6
作者：
Bayati, Mohsen;Gleich, David F.;Wang, Ying
通讯作者：
Wang, Ying
DOI：
10.1093/bioinformatics/bty288
发表时间：
2018-07-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Kalecky K;Cho YR
通讯作者：
Cho YR
DOI：
10.1109/tcbb.2014.2326862
发表时间：
2015-01-01
影响因子：
4.5
作者：
Faisal, Fazle Elahi;Zhao, Han;Milenkovic, Tijana
通讯作者：
Milenkovic, Tijana
Isorankn：多个蛋白质网络全局对齐的光谱方法。
DOI：
10.1093/bioinformatics/btp203
发表时间：
2009-06-15
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Liao CS;Lu K;Baym M;Singh R;Berger B
通讯作者：
Berger B