Beyond element-wise interactions: identifying complex interactions in biological processes.
Beyond element-wise interactions: identifying complex interactions in biological processes.
复制标题
超越元素间的相互作用：识别生物过程中的复杂相互作用
DOI：
10.1371/journal.pone.0006899
复制
发表时间：
2009-09-23
期刊：
影响因子：
3.7
通讯作者：
Feng J
中科院分区：
文献类型：
--
作者：
Ladroue C;Guo S;Kendrick K;Feng J
生物过程通常涉及许多元素（基因，细胞）相互作用的相互作用。这些过程通常被建模为网络，其节点是所讨论的元素，并在它们之间的成对关系（转录，抑制）边缘。但通常情况下，元素实际上是合作或竞争来完成任务的。或者一个元素可以作用于另外两个元素之间的相互作用，就像控制反应速率的酶一样。我们称这些类型的相互作用为“复杂”，并提出了从时间序列观测中识别它们的方法。我们使用格兰杰因果关系，衡量两个信号之间的相互作用，表征酶对反应速率的影响。我们将其传统公式扩展到多维信号的情况下，以捕捉群体相互作用，而不仅仅是元素相互作用。我们的方法在模拟数据上进行了广泛的测试，并应用于三个生物数据集：酿酒酵母的微阵列数据，两个大脑区域的局部场电位记录和代谢反应。我们的研究结果表明，复杂格兰杰因果关系可以揭示信号之间的新型关系，特别适合于生物数据。我们的方法提出了系统生物学方法的一些基本问题，因为发现所有复杂的因果关系（相互作用）是一个NP困难问题。
Background Biological processes typically involve the interactions of a number of elements (genes, cells) acting on each others. Such processes are often modelled as networks whose nodes are the elements in question and edges pairwise relations between them (transcription, inhibition). But more often than not, elements actually work cooperatively or competitively to achieve a task. Or an element can act on the interaction between two others, as in the case of an enzyme controlling a reaction rate. We call “complex” these types of interaction and propose ways to identify them from time-series observations. Methodology We use Granger Causality, a measure of the interaction between two signals, to characterize the influence of an enzyme on a reaction rate. We extend its traditional formulation to the case of multi-dimensional signals in order to capture group interactions, and not only element interactions. Our method is extensively tested on simulated data and applied to three biological datasets: microarray data of the Saccharomyces cerevisiae yeast, local field potential recordings of two brain areas and a metabolic reaction. Conclusions Our results demonstrate that complex Granger causality can reveal new types of relation between signals and is particularly suited to biological data. Our approach raises some fundamental issues of the systems biology approach since finding all complex causalities (interactions) is an NP hard problem.
登录
查看更多内容
影响因子：
4.3
作者：
Royer L;Reimann M;Andreopoulos B;Schroeder M
通讯作者：
Schroeder M
影响因子：
4.3
作者：
Guo S;Wu J;Ding M;Feng J
通讯作者：
Feng J
影响因子：
1.9
作者：
GRANGER, CWJ
通讯作者：
GRANGER, CWJ
影响因子：
3.7
作者：
GEWEKE, JF
通讯作者：
GEWEKE, JF
影响因子：
14.9
作者：
Mewes, HW;Frishman, D;Weil, B
通讯作者：
Weil, B