通过NMF整合生物数据,通过多标签分类来识别与人类疾病相关的基因模块
Syed Alberuni1, Sumanta Ray1,2
1Department of Computer Science & Engineering, Aliah University, Kolkata, West Bengal, India.
PloS one
|December 12, 2024
概括
这项研究整合了蛋白质-蛋白质相互作用和基因本体学数据,以识别与人类疾病相关的基因模块. 研究人员发现了3,131种新的基因与疾病的关联,进步了我们对疾病机制的理解.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 系统生物学 系统生物学
背景情况:
- 参与多种疾病的蛋白质往往形成相互连接的疾病模块.
- 了解这些模块对于阐明疾病机制至关重要.
- 整合多样化的生物数据可以揭示新的基因疾病关系.
研究的目的:
- 通过整合蛋白质-蛋白质相互作用 (PPI) 和基因本体学 (GO) 数据来识别与人类疾病相关的基因模块.
- 通过基于网络的方法和非负矩阵因子化 (NMF) 来发现新的基因疾病关联.
- 开发一种标记基因模块和将疾病标签赋予基因的方法.
主要方法:
- 将PPI和GO数据转换为生物网络.
- 集群网络以获得基因模块.
- 集成PPI和GO模块使用NMF创建元模块.
- 多标签分类用于将疾病标签分配给基因.
主要成果:
- 鉴定保护相互作用模式和功能相似性的基因模块.
- 通过整合两种类型的生物数据来开发元模块.
- 根据元模块属性将疾病标签分配给基因.
- 发现了3131种新的基因疾病关联.
结论:
- 使用NMF集成PPI和GO数据是有效的识别疾病相关的基因模块.
- 确定的基因疾病关联为疾病机制提供了有价值的见解.
- 这种方法有助于发现新的治疗点和生物标志物.


