Wisdom of crowds for robust gene network inference.
Wisdom of crowds for robust gene network inference.
复制标题
DOI：
10.1038/nmeth.2016
复制
发表时间：
2012-07-15
期刊：
影响因子：
48
通讯作者：
Stolovitzky, Gustavo
中科院分区：
文献类型：
--
作者：
Marbach, Daniel;Costello, James C.;Kueffner, Robert;Vega, Nicole M.;Prill, Robert J.;Camacho, Diogo M.;Allison, Kyle R.;Kellis, Manolis;Collins, James J.;Stolovitzky, Gustavo
从高通量数据重建基因调控网络是一个长期存在的问题。通过DREAM项目（逆向工程评估与方法对话），我们对大肠杆菌、金黄色葡萄球菌、酿酒酵母以及计算机模拟的微阵列数据的30多种网络推断方法进行了全面的盲评。我们描述了不同推断方法的性能、数据要求和固有偏差，为算法的应用和开发提供了指导方针。我们发现没有一种单一的推断方法在所有数据集中都表现最优。相反，整合多种推断方法的预测结果在不同的数据集中表现出稳健且高性能。因此，我们构建了大肠杆菌和金黄色葡萄球菌的高置信度网络，每个网络包含约1700个转录相互作用，估计精度为50%。我们对大肠杆菌中的53个新的相互作用进行了实验测试，其中23个得到了支持（43%）。我们的结果确立了基于社区的方法作为推断转录基因调控网络的一种强大且稳健的工具。
Reconstructing gene regulatory networks from high-throughput data is a long-standing problem. Through the DREAM project (Dialogue on Reverse Engineering Assessment and Methods), we performed a comprehensive blind assessment of over thirty network inference methods on Escherichia coli, Staphylococcus aureus, Saccharomyces cerevisiae, and in silico microarray data. We characterize performance, data requirements, and inherent biases of different inference approaches offering guidelines for both algorithm application and development. We observe that no single inference method performs optimally across all datasets. In contrast, integration of predictions from multiple inference methods shows robust and high performance across diverse datasets. Thereby, we construct high-confidence networks for E. coli and S. aureus, each comprising ~1700 transcriptional interactions at an estimated precision of 50%. We experimentally test 53 novel interactions in E. coli, of which 23 were supported (43%). Our results establish community-based methods as a powerful and robust tool for the inference of transcriptional gene regulatory networks.
登录
查看更多内容
影响因子：
--
作者：
Lèbre S;Becq J;Devaux F;Stumpf MP;Lelandais G
通讯作者：
Lelandais G
影响因子：
14.9
作者：
Faith JJ;Driscoll ME;Fusaro VA;Cosgrove EJ;Hayete B;Juhn FS;Schneider SJ;Gardner TS
通讯作者：
Gardner TS
影响因子：
5.8
作者：
Kueffner, Robert;Petri, Tobias;Zimmer, Ralf
通讯作者：
Zimmer, Ralf
影响因子：
14.9
作者：
Barrett T;Troup DB;Wilhite SE;Ledoux P;Evangelista C;Kim IF;Tomashevsky M;Marshall KA;Phillippy KH;Sherman PM;Muertter RN;Holko M;Ayanbule O;Yefanov A;Soboleva A
通讯作者：
Soboleva A
影响因子：
46.9
作者：
di Bernardo, D;Thompson, MJ;Collins, JJ
通讯作者：
Collins, JJ