The impact of multifunctional genes on "guilt by association" analysis.
The impact of multifunctional genes on "guilt by association" analysis.
复制标题
DOI：
10.1371/journal.pone.0017258
复制
发表时间：
2011-02-18
期刊：
影响因子：
3.7
通讯作者：
Pavlidis P
中科院分区：
文献类型：
--
作者：
Gillis J;Pavlidis P
许多先前的研究表明，通过使用“关联负罪感”的变体，基因功能预测可以具有很高的统计置信度。在这些研究中，假设数据中的“关联”（例如，蛋白质相互作用伙伴）是建立“内疚”所必需的。在本文中，我们表明多功能性，而不是关联，是基因功能预测的主要驱动因素。我们首先表明，当用作基因功能的预测因子时，仅了解多功能性的程度就可以产生惊人的强大表现。然后，我们展示了基因相互作用数据（如蛋白质相互作用和共表达网络）中如何编码多功能性，以及如何将其反馈到基因功能预测算法中。我们发现，高质量的基因功能预测可以使用数据，不知道哪个基因相互作用的信息。通过检查来自小鼠，人类和酵母的广泛网络，以及多种预测方法和评估指标，我们提供的证据表明，这个问题是普遍存在的，并不反映任何特定算法或数据类型的失败。我们提出计算控制，可用于在估计基因功能预测性能时提供更有意义的控制。我们认为，由于多功能性导致的这种偏倚来源需要控制，这对基因组学研究的解释具有广泛的影响。
Many previous studies have shown that by using variants of “guilt-by-association”, gene function predictions can be made with very high statistical confidence. In these studies, it is assumed that the “associations” in the data (e.g., protein interaction partners) of a gene are necessary in establishing “guilt”. In this paper we show that multifunctionality, rather than association, is a primary driver of gene function prediction. We first show that knowledge of the degree of multifunctionality alone can produce astonishingly strong performance when used as a predictor of gene function. We then demonstrate how multifunctionality is encoded in gene interaction data (such as protein interactions and coexpression networks) and how this can feed forward into gene function prediction algorithms. We find that high-quality gene function predictions can be made using data that possesses no information on which gene interacts with which. By examining a wide range of networks from mouse, human and yeast, as well as multiple prediction methods and evaluation metrics, we provide evidence that this problem is pervasive and does not reflect the failings of any particular algorithm or data type. We propose computational controls that can be used to provide more meaningful control when estimating gene function prediction performance. We suggest that this source of bias due to multifunctionality is important to control for, with widespread implications for the interpretation of genomics studies.
登录
查看更多内容
影响因子：
5.3
作者：
Daniely, Y;Dimitrova, DD;Borowiec, JA
通讯作者：
Borowiec, JA
影响因子：
14.9
作者：
Güldener U;Münsterkötter M;Oesterheld M;Pagel P;Ruepp A;Mewes HW;Stümpflen V
通讯作者：
Stümpflen V
DOI：
10.1016/s0097-8485(96)80004-0
发表时间：
1996-03-01
期刊：
COMPUTERS & CHEMISTRY
影响因子：
--
作者：
Gribskov, M;Robinson, NL
通讯作者：
Robinson, NL
影响因子：
4.3
作者：
Batada NN;Hurst LD;Tyers M
通讯作者：
Tyers M
影响因子：
8.6
作者：
Agrawal, H
通讯作者：
Agrawal, H