MDSN：高次の生物相互作用を識別するモジュール検出方法

生体相互作用は、疾患の発達と特性発現に非線形に影響するSNP（単一ヌクレオチド多型）と呼ばれるため、生体相互作用を特定することは、複雑な疾患の病因と遺伝的不均一性を説明する上で大きな役割を果たします。エピスタシス検出のために多くの方法が提案されています。それにもかかわらず、彼らは主に低次の生物相互作用、たとえば2次または3次の相互作用に焦点を当てており、多くの場合、計算負担による高次の相互作用を無視します。このホワイトペーパーでは、MDSNと呼ばれるモジュール検出方法が、高次の生物相互作用を識別するために提案されています。まず、SNPネットワークは、高速計算から得られる低次SNP相互作用で構成される相互作用の相互作用の構造戦略によって構築されます。次に、ノード拡張アルゴリズムを改善するために、マルチトポロジー特徴を統合するノード評価尺度が提案されています。そこでは、ノードの重要性が近隣のトポロジカル特性によって包括的に評価されます。最後に、モジュールは、疾患に関連する高次の生物相互作用を持つ構築されたSNPネットワークで検出されます。MDSNは、シミュレーションデータセットの4つの最先端の方法と、実際の年齢に関連した黄斑変性データセットと比較されました。結果は、MDSNが高次相互作用の検出により高いパフォーマンスを持っていることを示しています。

Epistatic interactions are referred to as SNPs (single nucleotide polymorphisms) that affect disease development and trait expression nonlinearly, and hence identifying epistatic interactions plays a great role in explaining the pathogenesis and genetic heterogeneity of complex diseases. Many methods have been proposed for epistasis detection; nevertheless, they mainly focus on low-order epistatic interactions, two-order or three-order for instance, and often ignore high-order interactions due to computational burden. In this paper, a module detection method called MDSN is proposed for identifying high-order epistatic interactions. First, an SNP network is constructed by a construction strategy of interaction complementary, which consists of low-order SNP interactions that can be obtained from fast computations. Then, a node evaluation measure that integrates multi-topological features is proposed to improve the node expansion algorithm, where the importance of a node is comprehensively evaluated by the topological characteristics of the neighborhood. Finally, modules are detected in the constructed SNP network, which have high-order epistatic interactions associated with the disease. The MDSN was compared with four state-of-the-art methods on simulation datasets and a real Age-related Macular Degeneration dataset. The results demonstrate that MDSN has higher performance on detecting high-order interactions.