複雑なシステムにおける隠された要因のシナジーを局所化する: 休憩時の脳ネットワークとHeLa遺伝子表現プロファイルをケーススタディとして
Marlis Ontivero-Ortega1,2, Gorana Mijatovic3, Luca Faes3,4
1INFN, Sezione di Bari, Dipartimento Interateneo di Fisica, Università degli Studi di Bari Aldo Moro, 70126 Bari, Italy.
Entropy (Basel, Switzerland)
|August 28, 2025
まとめ
この研究は,複雑なシステムにおけるシナジスティックファクターの影響を定量化するためにO情報を導入します. fMRIと細胞データに適用すると 脳ネットワークと遺伝子調節における 協同作用が明らかになります
科学分野:
- 統計について
- 情報理論
- システム生物学
- 神経科学
背景:
- 変数分析モデルでは,潜在的因子を用いて変数変性を観察した.
- 潜在的要因は,独立したものの,共同で協力的な影響を及ぼします.
- これらの高次元の相互作用を量化することは 複雑なシステムを理解するために不可欠です
研究 の 目的:
- 観測された変数に対する共同因子の影響力を定量化するための新しい枠組みを提案する.
- 要素分析の文脈の中で,高次元の依存関係のためのメトリックであるO情報を適用する.
- 神経科学と細胞生物学におけるケーススタディを通じて,このアプローチの有用性を実証する.
主な方法:
- 潜在的要因と観測された変数を,情報的な性質に基づいて共同で分析する.
- O情報を利用して,高次元の依存関係と相乗効果を測定する.
- フレームワークを静止状態のfMRIデータとHeLa細胞の遺伝子発現データに適用する.
主要な成果:
- 静止fMRIデータにおけるデフォルトモードネットワーク (DMN) とフロント・パリエタル (FP) ネットワークの間の有意な相乗効果が確認された.
- STK-12 (AURKB) がHeLa細胞で最もシネジスティックな遺伝子であることが判明し,細胞サイクル制御の役割を示唆しています.
- フレームワークが様々な複雑なシステムにおける 相互作用を捉える能力を示した.
結論:
- 提案されたO情報ベースのアプローチは,シネージの要因の影響を効果的に定量化します.
- この方法は,因子分析と高次元の相互作用分析を橋渡ししています.
- このアプローチは様々な科学分野において 幅広い応用の可能性を秘めています
