差异基因表达模块及其识别算法.doc

  差异基因表达模块及其识别算法# 古槿* （清华大学自动化系，清华信息科学与技术国家实验室生物信息学研究部，北京 100084） 5 10 15 20 摘要：差异基因表达模块是指在两组或者多组条件下，基因网络中总体表达量显著差异的子 网，且子网内的基因在网络中紧密相连。差异基因表达模块整合了基因表达、蛋白质相互作 用网络等信息，可用于系统分析复杂生物过程，找到在两组或多组条件下发生明显变化的关 键环节。本文首先描述了差异基因表达模块的概念，然后详细讨论了基于最大化子网分数、 基于网络距离分级聚类和基于网络节点密度聚类的三类主要的差异基因表达模块识别算法。 关键词：基因表达；基因网络；网络模块 中图分类号：TP Differential Gene Expression Module and Its Identification GU Jin (TNLIST Bioinformatics Division, Department of Automation, Tsinghua University, Beijing 100084) Abstract: Differental gene expression module (DGEM) is a subnetwork in the gene network which shows significant global expression change under two or more conditions and its genes are closely connected in the network. DGEM integrates the information from gene expression profiles and genome-wide protein-protein interaction networks. It can be used to systematically analyze complex biological processes and to identify the significantly changed regulatory circuits. This review first described the concept of DGEM and then discussed the three major types of algorithms which are developed to identify DGEMs. Keywords: gene expression; gene network; gene module 25 0 差异基因表达模块 差异基因表达分析，即比较两个或多个条件下基因表达变化情况的分析方法（本文中的 基因表达是指蛋白质编码基因对应的 mRNA 的表达情况，通常可用基因芯片、RNA-Seq 等 高通量实验技术进行检测），是理解复杂生物过程的重要手段。比如，比较肿瘤组织和正常 30 35 40 组织中基因表达的变化情况可找到肿瘤诊断的候选分子标志物，还可为理解肿瘤发生发展机 制、开发抗肿瘤药物提供重要线索；分析在体外细胞模型中加入药物后的基因表达动态变化 情况，可为研究该药物或药物组合的分子作用机制提供大量信息。但差异基因表达分析存在 若干不足：1）依据高通量的基因表达数据计算得到的显著差异表达基因有较多噪声；2）基 因表达数据仅包含了 RNA 层次的信息；3）显著差异表达基因通常数量较大，难以从中找 到起到主要作用的基因，以及这些基因之间的相互作用关系。 近年来，各种高通量组学技术快速发展，除了基因表达数据迅速增长以外，大规模的蛋 白质相互作用数据也逐渐开始积累。结合文献挖掘等信息，现在已经有若干数据库收录并系 统整理全基因组规模的蛋白质相互作用数据。蛋白质相互作用数据包含有大量蛋白质层次的 信息，大量研究表明直接发生相互作用的蛋白质可能参与同一生物过程或具有相似的生物学 功能：Behrends 等人用 23 个已知与细胞自噬密切相关的蛋白质（基因）作为“饵”，利用 蛋白质相互作用技术抓取了 409 个与这些“饵”发生直接相互作用的蛋白质，后续实验验证 表明，抓取下来的蛋白质对应的基因大都参与了细胞自噬过程[1]；而 Deng 等人则利用蛋白 基金项目：高等学校博士学科点专项科研基金（20100002120009） 作者简介：古槿，（1982-），男，讲师，生物信息学、计算系统生物学。E-mail: jgu@tsinghua.edu.cn -1-   质相互作用网络的信息来计算预测基因的功能，并取得了较好的预测性能[2]。 将特定条件下的基因表达数据与全基因组规模的蛋白质相互