定常状態データとGoldbeter-Koshland速度論を使用したネットワーク推論[修正]

動機：ネットワーク推論アプローチは、遺伝子やタンパク質などの分子プレーヤー間の調節的相互作用に光を当てるために広く使用されています。関心のあるネットワークの根底にある生化学プロセス（例：遺伝子調節またはタンパク質シグナル伝達ネットワークなど）は一般に非線形です。多くの設定では、関連する化学速度に関する知識が利用可能です。ただし、継続的で定常状態データの既存のネットワーク推論方法は、通常、推論を導くために化学速度を活用しない統計的製剤に根ざしています。 結果：ここでは、生化学メカニズムの非線形記述に根ざした定常状態データに対するネットワーク推論へのアプローチを提示します。化学速度の平衡分析を使用して、定常状態のデータを使用してネットワークを推測するために使用される機能形式を取得します。私たちが提案するアプローチは、従来の定常状態の遺伝子発現またはプロテオームデータに直接適用され、ネットワークトポロジまたは運動パラメーターのいずれの知識を必要としません。最近の機械的モデルとがん細胞株からのプロテオミクスデータからシミュレートされたデータを使用して、タンパク質リン酸化ネットワークのコンテキストでアプローチを説明します。前者では、真のネットワークは既知であり、後者では既知の生化学と比較されます。提案された方法論は、線形モデルに基づいた方法よりもネットワークトポロジの推定により効果的であることがわかります。 可用性：mukherjeelab.nki.nl/code/gk_kinetics.zip 連絡先：c.j.oates@warwick.ac.uk;s.mukherjee@nki.nl 補足情報：補足データは、バイオインフォマティクスオンラインで入手できます。

MOTIVATION: Network inference approaches are widely used to shed light on regulatory interplay between molecular players such as genes and proteins. Biochemical processes underlying networks of interest (e.g. gene regulatory or protein signalling networks) are generally nonlinear. In many settings, knowledge is available concerning relevant chemical kinetics. However, existing network inference methods for continuous, steady-state data are typically rooted in statistical formulations, which do not exploit chemical kinetics to guide inference. RESULTS: Herein, we present an approach to network inference for steady-state data that is rooted in non-linear descriptions of biochemical mechanism. We use equilibrium analysis of chemical kinetics to obtain functional forms that are in turn used to infer networks using steady-state data. The approach we propose is directly applicable to conventional steady-state gene expression or proteomic data and does not require knowledge of either network topology or any kinetic parameters. We illustrate the approach in the context of protein phosphorylation networks, using data simulated from a recent mechanistic model and proteomic data from cancer cell lines. In the former, the true network is known and used for assessment, whereas in the latter, results are compared against known biochemistry. We find that the proposed methodology is more effective at estimating network topology than methods based on linear models. AVAILABILITY: mukherjeelab.nki.nl/CODE/GK_Kinetics.zip CONTACT: c.j.oates@warwick.ac.uk; s.mukherjee@nki.nl SUPPLEMENTARY INFORMATION: Supplementary data are available at Bioinformatics online.