hARACNe: improving the accuracy of regulatory model reverse engineering via higher-order data processing inequality tests.
hARACNe: improving the accuracy of regulatory model reverse engineering via higher-order data processing inequality tests.
复制标题
Haracne：通过高阶数据处理不平等测试提高监管模型逆向工程的准确性。
DOI：
10.1098/rsfs.2013.0011
复制
发表时间：
2013-08-06
期刊：
影响因子：
4.4
通讯作者：
Califano A
中科院分区：
文献类型：
--
作者：
Jang IS;Margolin A;Califano A
系统生物学的一个关键目标是基于对细胞背景特定分子相互作用模型的系统和全基因组理解，阐明与生理和病理表型相关的分子机制。为此，基于大型分子谱数据集的可用性，逆向工程方法已被用来系统地剖析特定组织中的调控相互作用，从而提高我们对癌症等复杂疾病的机制理解。在本文中，我们介绍了精确细胞网络重建的高阶算法（hARACNe），它是 ARACNe 算法的扩展，用于解剖转录调控网络。 ARACNe 使用信息论中的数据处理不等式 (DPI) 来检测和修剪不太可能由实际物理交互介导的间接交互。 ARACNe 仅考虑一阶间接相互作用，即仅由一个额外调节器介导的相互作用，而 haRACNe 考虑通过两个、三个或更多其他调节器的间接相互作用的广义形式。根据转录因子 (TF) 特异性 ChIP 芯片数据以及 RNAi 介导的 TF 沉默后的基因表达谱，我们表明使用高阶 DPI 可以显着提高性能。
A key goal of systems biology is to elucidate molecular mechanisms associated with physiologic and pathologic phenotypes based on the systematic and genome-wide understanding of cell context-specific molecular interaction models. To this end, reverse engineering approaches have been used to systematically dissect regulatory interactions in a specific tissue, based on the availability of large molecular profile datasets, thus improving our mechanistic understanding of complex diseases, such as cancer. In this paper, we introduce high-order Algorithm for the Reconstruction of Accurate Cellular Network (hARACNe), an extension of the ARACNe algorithm for the dissection of transcriptional regulatory networks. ARACNe uses the data processing inequality (DPI), from information theory, to detect and prune indirect interactions that are unlikely to be mediated by an actual physical interaction. Whereas ARACNe considers only first-order indirect interactions, i.e. those mediated by only one extra regulator, hARACNe considers a generalized form of indirect interactions via two, three or more other regulators. We show that use of higher-order DPI resulted in significantly improved performance, based on transcription factor (TF)-specific ChIP-chip data, as well as on gene expression profile following RNAi-mediated TF silencing.
登录
查看更多内容
影响因子：
20.3
作者：
Basso, Katia;Saito, Masumichi;Dalla-Favera, Riccardo
通讯作者：
Dalla-Favera, Riccardo
影响因子：
82.9
作者：
通讯作者：
--
DOI：
10.1073/pnas.0806445106
发表时间：
2009-01-06
影响因子：
11.1
作者：
Margolin, Adam A.;Palomero, Teresa;Stolovitzky, Gustavo
通讯作者：
Stolovitzky, Gustavo
影响因子：
14.9
作者：
Carrera J;Rodrigo G;Jaramillo A
通讯作者：
Jaramillo A
影响因子：
64.8
作者：
通讯作者：
--