Network robustness based on topological properties to identify essential disease genes

ความคงทนของโครงข่ายบนพื้นฐานของโทโปโลยีของโครงข่ายเพื่อบ่งชี้ยีนที่สำคัญต่อโรค

รายงานการวิจัยเรื่องความคงทนของโครงข่ายบนพื้นฐานของโทโปโลยีของโครงข่ายเพื่อบ่งชี้ยีนที่สำคัญต่อโรค

Name: Apichat Suratanee

Organization : King Mongkut's University of Technology North Bangkok

Email : apichat.s@sci.kmutnb.ac.th

Name: อภิชาต ศุรธณี

Organization : King Mongkut's University of Technology North Bangkok

Email : apichat.s@sci.kmutnb.ac.th

keyword: งานวิจัยคณะวิทยาศาสตร์ประยุกต์

LCSH: Topology

Classification :.LCCS: QH450

LCSH: Gene expression

LCSH: Disease -- genetics

LCSH: Genes -- Network analysis

LCSH: Diseases -- Network analysis

Noted: งานวิจัยนี้ได้รับการสนับสนุนจากทุนนักวิจัยทั่วไป มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ ประจำปีงบประมาณ 2558.

Abstract: Identifying relationships between human genes and diseases provides higher efficiency and accuracy for disease diagnosis, prognosis, and treatment. Association between genes and diseases is one of precious information that indicates the large-scale structure of complex interactions of diseases. However, the number of known and reliable associations is very small. Therefore, identification of disease-disease associations is a challenging task in systems biology and medicine, and could support to identify novel disease-related genes. Here, we develop a novel algorithm based on topology of disease network to calculate the robustness of an association score of the relationship between diseases in a large-scale study based on network topology in a protein-protein interaction network. The approach not only considers whether two diseases directly share associated genes but also the statistical relationships between two different diseases using known disease-related genes. The scores for disease pairs were compared with a suitable benchmark of disease-disease associations and yielded an accuracy of 71%. Compared to other methods, our approach outperforms other standard association indices. The robustness of our algorithm to the network was investigated by network intervention. Mining the literature on PubMed shows additional evidence for disease-disease associations. Furthermore, analysis of the disease network and clustering were performed, and the results showed the relationships among diseases in the clusters. Novel diseasedisease associations can be used to identify new disease-related genes and the evidence for them is proposed and can be used to further enhance knowledge in biomedical studies.

Abstract: การบ่งชี้ความสัมพันธ์ระหว่างยีนและโรค ช่วยเพิ่มประสิทธิภาพและความแม่นยำสำหรับการวินิจฉัยโรค การทำนายอาการของโรค และการรักษาได้ ความสัมพันธ์ระหว่างยีนและโรคถือเป็นหนึ่งในข้อมูลที่สำคัญที่ช่วยบ่งชี้โครงสร้างของปฏิสัมพันธ์ที่มีขนาดใหญ่และมีความซับซ้อนของโรค อย่างไรก็ดีความสัมพันธ์ของยีนและโรคที่ได้ถูกค้นพบแล้วนั้นมีจำนวนน้อยมากเมื่อเทียบกับโครงสร้างที่มีขนาดใหญ่ดังนั้นการบ่งชี้ความสัมพันธ์ของโรคนั้นเป็นงานที่ท้าทายในทางชีววิทยาระบบและทางการแพทย์ ซึ่งจะช่วยให้สามารถระบุยีนที่เกี่ยวข้องกับโรคที่ยังไม่เคยถูกค้นพบได้ งานวิจัยนี้ได้ทำการพัฒนาขั้นตอนวิธีแบบใหม่บนพื้นฐานของโทโปโลยีของโครงข่ายของโรคโดยใช้ข้อมูลยีนที่เกี่ยวข้องกับโรคนั้น เพื่อทำการคำนวณความคงทนของคะแนนความสัมพันธ์ของโรคบนโครงข่ายปฏิสัมพันธ์ระหว่างโปรตีน วิธีการที่คิดค้นนี้ไม่เพียงพิจารณาถึงโรคที่มีการเชื่อมต่อของยีนที่เกี่ยวข้องกัน แต่ยังทำการศึกษาถึงความสัมพันธ์ทางสถิติระหว่างสองโรคนั้นจากข้อมูลยีนที่ถูกค้นพบว่ามีส่วนเกี่ยวข้องกับโรคนั้นๆ คะแนนความสัมพันธ์ระหว่างโรคได้ถูกคำนวณและเปรียบเทียบกับค่าความสัมพันธ์มาตรฐานโดยได้ผลความแม่นยำ 71% วิธีการที่คิดค้นขึ้นได้ถูกนำไปเปรียบเทียบกับดัชนีความสัมพันธ์มาตรฐานและให้ผลการทำนายที่ดีกว่า ความคงทนของขั้นตอนวิธีถูกทดสอบบนโครงข่ายที่ถูกแทรกแซง ค่าความสัมพันธ์ที่ถูกคำนวณได้รับข้อมูลสนับสนุนจากงานวิจัยที่ตีพิมพ์แล้ว นอกจากนี้งานวิจัยนี้ได้ทำการวิเคราะห์และจัดกลุ่มโครงข่ายของโรคที่ได้ ผลการวิเคราะห์แสดงถึงความสัมพันธ์ของโรคที่อยู่ในกลุ่มที่วิเคราะห์ได้ ความสัมพันธ์ระหว่างโรคที่ถูกทำนายได้นี้สามารถบ่งชี้ยีนใหม่ที่เกี่ยวข้องกับโรคได้ และหลักฐานของความสัมพันธ์เหล่านี้ถูกนำเสนอสามารถช่วยให้เป็นความรู้ที่เพิ่มขึ้น สำหรับการศึกษาทางการชีวการแพทย์

King Mongkut University of Technology North Bangkok. Central Library

Address: Bangkok

Email: library@kmutnb.ac.th

Name: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

Role: funding agency

Created: 2015

Modified: 2559-10-25

Issued: 2016-10-25

งานวิจัย/Research report

application/pdf

E-RESEARCH

eng

©copyrights King Mongkut's University of Technology North Bangkok

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B16002155.pdf	599.09 KB	5	2020-01-11 23:29:38

ใช้เวลา

0.041625 วินาที