加重遺伝子共発現ネットワーク分析のための一般的なフレームワーク

遺伝子共発現ネットワークは、遺伝子のシステムレベルの機能を探求するためにますます使用されています。ネットワーク構造は概念的に単純です。ノードは遺伝子を表し、対応する遺伝子が適切に選択された組織サンプル全体で大幅に共発現される場合、ノードが接続されます。実際には、このようなネットワークのノード間の接続を定義するのは難しいです。重要な質問は、バイナリ情報を使用して遺伝子の共発現をエンコードすることが生物学的に意味があるかどうかです（接続= 1、接続= 0）。各遺伝子ペアに接続重みを割り当てるソフト 'しきい値の一般的なフレームワークについて説明します。これにより、加重遺伝子共発現ネットワークの概念を定義することになります。ソフトしきい値の場合、共発現測定値を接続重量に変換するいくつかの隣接機能を提案します。隣接機能のパラメーターを決定するために、生物学的に動機付けられた基準（スケールフリートポロジー基準と呼ばれる）を提案します。次の重要なネットワークの概念を、加重ネットワークの場合に一般化します。最初に、いくつかのノード接続測定を導入し、遺伝子の生物学的意義を予測するためにそれらが重要である可能性があるという経験的証拠を提供します。第二に、重み付けされた 'トポロジーオーバーラップ測定（遺伝子モジュールを定義するために使用）が、それよりも凝集性モジュールにつながるという理論的および経験的証拠を提供します。第三に、クラスタリング係数を重み付きネットワークに一般化します。非加重クラスタリング係数とは異なり、加重クラスタリング係数は接続に反比例しません。クラスタリング係数と接続性の逆の関係がハードなしきい値からどのように生じるかを示すモデルを提供します。シミュレートされたデータ、がんマイクロアレイデータセット、酵母マイクロアレイデータセットに方法を適用します。

Gene co-expression networks are increasingly used to explore the system-level functionality of genes. The network construction is conceptually straightforward: nodes represent genes and nodes are connected if the corresponding genes are significantly co-expressed across appropriately chosen tissue samples. In reality, it is tricky to define the connections between the nodes in such networks. An important question is whether it is biologically meaningful to encode gene co-expression using binary information (connected=1, unconnected=0). We describe a general framework for ;soft' thresholding that assigns a connection weight to each gene pair. This leads us to define the notion of a weighted gene co-expression network. For soft thresholding we propose several adjacency functions that convert the co-expression measure to a connection weight. For determining the parameters of the adjacency function, we propose a biologically motivated criterion (referred to as the scale-free topology criterion). We generalize the following important network concepts to the case of weighted networks. First, we introduce several node connectivity measures and provide empirical evidence that they can be important for predicting the biological significance of a gene. Second, we provide theoretical and empirical evidence that the ;weighted' topological overlap measure (used to define gene modules) leads to more cohesive modules than its ;unweighted' counterpart. Third, we generalize the clustering coefficient to weighted networks. Unlike the unweighted clustering coefficient, the weighted clustering coefficient is not inversely related to the connectivity. We provide a model that shows how an inverse relationship between clustering coefficient and connectivity arises from hard thresholding. We apply our methods to simulated data, a cancer microarray data set, and a yeast microarray data set.