Discovering A Gene Interaction Atlas Using Bayesian Networks And External Biological Knowledge
Summary:
Recent advances have enlightened that biological pathways are far more complicated than once thought, due to the inclusion of interconnected complex cellular actions, which made hard understanding the multifaceted mechanisms behind the biological phenomena. As a panacea, the bioinformatics community has brought up the modularity concept to ease the understanding of biological ground truth. A microarray is a high-throughput technology, which provides a global view of the genome in a single experiment with a systematic manner by enabling the analysis of the expression levels of a large number of genes simultaneously. Bayesian networks are probabilistic graphical models, which are well proven technique to infer gene regulatory networks from microarray data because of their ability to incorporate prior knowledge. In this study, we present an algorithm, called BNP, to infer biological pathways. Fortifying the results obtained by our model and exploring the novel interactions between genes, we construct a gene interaction atlas via Bayesian networks by incorporating external biological knowledge. Furthermore, a comparison of our methodology with the FLAT method, which does not use any external knowledge, shows that BNP outperforms it in all simulations.
Özet:
Son ilerlemeler ışığa çıkardı ki, birbirleriyle bağlantılı karmaşık hücresel olayları içeren biyolojik patikalar düşünüldüğünden çok daha karmaşık yapılıdırlar. Bu zor durum biyolojik fenomenin ardındaki çok dallı mekanizmayı anlamayı zorlaştırmaktadır. Buna çözüm olarak biyoenformatik dünyası modülerlik kavramını biyolojik gerçekliklerin anlaşılmasını kolaylaştırmak için öne sürmektedir. Yüksek işlem hacimli veri teknolojilerinden biri olan mikrodiziler güçlü bir araç olup sistematik tarzda tek bir deneydeki genomun genel bir tasvirinin sağlanmasının yanı sıra, gen türleri ve gen kavramlarının paralel analizi için tasarlanmıştır. Öncelikli bilgi birleşiminin yanı sıra yetersiz örnek sayısı ve deneysel hatalar ile başa çıkma yeteneklerinden dolayı, olasılıklı grafik modeli olan Bayes ağları, mikrodizi verilerinden gen düzenleyici ağ oluşturmada kendisini iyi kanıtlamış bir tekniktir. Bu çalışmada BNP adı ile sunduğumuz algoritma, seçilen biyolojik patikaların ilişkilerine derinlemesine bir anlam kazandırır. Modelimizden alınan sonucu güçlendirmek ve genler arasındaki yeni etkileşimleri keşfetmek için, harici biyolojik bilgiyi dahil ederek Bayes ağları üzerinden bir gen etkileşimi atlası inşa ettik. Ayrıca FLAT adındaki, harici bilgi kullanmaksızın yapılan hesaplamalarla, kendi metodolojimizi karşılaştırdık. Tüm simulasyonların sonuçlarına göre BNP'nin FLAT'tan daha iyi performans gösterdiğini gördük.