複数の非線形依存ネットワークのための共同ベイズ加法回帰木

科学分野:

• ゲノミクス; システム生物学; 計算生物学

背景:

• タンパク質間相互作用（PPI）ネットワークは、がんメカニズムの理解と治療標的の特定に不可欠です。
• 大腸がん（CRC）のような異種がんの分析は、サブタイプ固有の変動のために課題を提示します。
• プール分析はサブタイプ固有の所見を不明瞭にする可能性があり、一方、サブグループ分析は統計的検出力に欠ける可能性があります。

研究 の 目的:

• がんサブタイプ全体にわたるPPIネットワークを推論するための新しい階層ベイズモデルを開発すること。
• 異種がんデータにおけるプール分析と別個の分析の限界に対処すること。
• CRCにおける共有およびサブタイプ固有の両方のタンパク質相互作用を特定すること。

主な方法:

• 非線形依存モデリングのためのベイズ加法回帰木（BART）を組み込んだ階層ベイズモデルを利用しました。
• サブグループ間での情報共有を容易にするためにマルコフ確率場事前分布を採用しました。
• モデルをシミュレーションデータとCRCサブタイプの実際のデータセットに適用しました。

主要な成果:

• 提案されたモデルは、サブグループ全体で強度を借りることにより、PPIネットワークを効果的に推論します。
• CRCにおける共有およびサブタイプ固有の相互作用パターンを特定することに成功しました。
• ゲノムデータにおける非線形関係と相互作用を処理するモデルの能力を実証しました。

結論:

• 階層ベイズモデルは、異種がんにおけるPPIネットワークの分析のための強力なアプローチを提供します。
• この方法は、がん固有のメカニズムと潜在的な治療標的の特定を強化します。
• BARTによるモデルの柔軟性により、複雑なゲノムデータ分析に適しています。