Joint embedding of biological networks for cross-species functional alignment.
Joint embedding of biological networks for cross-species functional alignment.
复制标题
DOI：
10.1093/bioinformatics/btad529
复制
发表时间：
2023-09-02
期刊：
影响因子：
--
通讯作者：
中科院分区：
文献类型：
--
作者：
模式生物被广泛用于更好地了解人类疾病的分子原因。虽然序列相似性大大有助于这种跨物种转移，但序列相似性并不意味着功能相似性，因此，目前的几种方法结合了蛋白质-蛋白质相互作用，以帮助绘制物种之间的发现。现有的传输方法要么将对齐问题制定为匹配问题，该匹配问题将网络特征与已知的正交匹配，或者最近将其制定为联合嵌入问题。我们提出了一种新的最先进的联合嵌入解决方案：嵌入网络对齐（埃特纳）。埃特纳基于网络拓扑结构生成单独的网络嵌入，然后使用自然语言处理启发的交叉训练方法，使用基于序列的直系同源物来对齐两个嵌入。最后的嵌入保留物种内和物种之间的基因功能关系，我们证明，它捕获两对和组的功能相关性。此外，埃特纳的嵌入可用于转移跨物种的遗传相互作用并识别表型比对，为药物再利用和转化研究的潜在机会奠定基础。 https://github.com/ylaboratory/ETNA
Model organisms are widely used to better understand the molecular causes of human disease. While sequence similarity greatly aids this cross-species transfer, sequence similarity does not imply functional similarity, and thus, several current approaches incorporate protein–protein interactions to help map findings between species. Existing transfer methods either formulate the alignment problem as a matching problem which pits network features against known orthology, or more recently, as a joint embedding problem. We propose a novel state-of-the-art joint embedding solution: Embeddings to Network Alignment (ETNA). ETNA generates individual network embeddings based on network topological structure and then uses a Natural Language Processing-inspired cross-training approach to align the two embeddings using sequence-based orthologs. The final embedding preserves both within and between species gene functional relationships, and we demonstrate that it captures both pairwise and group functional relevance. In addition, ETNA’s embeddings can be used to transfer genetic interactions across species and identify phenotypic alignments, laying the groundwork for potential opportunities for drug repurposing and translational studies. https://github.com/ylaboratory/ETNA
登录
查看更多内容
影响因子：
3.3
作者：
Bailey ML;Singh T;Mero P;Moffat J;Hieter P
通讯作者：
Hieter P
影响因子：
13.9
作者：
Fenno L;Yizhar O;Deisseroth K
通讯作者：
Deisseroth K
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
影响因子：
9.3
作者：
De Kegel, Barbara;Quinn, Niall;Ryan, Colm J.
通讯作者：
Ryan, Colm J.
影响因子：
14.9
作者：
Harris, MA;Clark, J;White, R
通讯作者：
White, R