DENetwork、情報フロー摂動を通じて条件間で機能的関連性を持つ非差次的発現遺伝子を明らかにします

科学分野:

• バイオインフォマティクス
• 計算生物学
• ゲノミクス

背景:

• RNAシーケンシング（RNA-seq）データの差次的遺伝子発現（DE）解析は、表現型の違いを特定するための標準です。
• 従来のDE法は、非差次的発現（non-DE）遺伝子を見落としており、上流の制御ドライバーの特定を制限しています。

研究 の 目的:

• グローバルな情報フローへの影響に基づいて遺伝子を優先するためのネットワークベースのアプローチであるDENetworkを導入すること。
• 転写産物学的変動を理解するために、機能的に関連性のある差次的発現遺伝子と非差次的発現遺伝子の両方をキャプチャすること。

主な方法:

• ネットワークベースの計算方法であるDENetworkを開発しました。
• 推定された遺伝子ネットワークに対する遺伝子影響をスコアリングするために、in silicoノックアウト戦略を採用しました。
• シミュレートされたおよび疾患関連のRNA-seqデータセットにこの方法を適用しました。

主要な成果:

• DENetworkは、機能的に関連する可能性のある非差次的発現制御因子を特定することに成功しました。
• このアプローチは、転写産物学的変動を駆動する複雑な制御およびシグナル伝達ネットワークを解読します。
• 特定された非差次的発現制御因子は、既知の経路および表現型の関連性において濃縮されました。

結論:

• DENetworkは、標準的なDE解析では見逃されるメカニズムの洞察を提供します。
• このネットワークベースのアプローチは、発現変化を超えた制御遺伝子の発見を強化します。
• 発見は、転写産物学における標的発見と治療介入の進歩に影響を与えます。