代谢网络图表示方法的表现力比较与评估

《Scientific Reports》：Comparative analysis of graph-based metabolic network representations using graph Kernels

　　

摘要

背景：新陈代谢包括一系列相互关联的化学反应，构成了一个复杂的网络结构，该网络可以自然地用图的形式来表示。在本文中，我们研究了三种基于图的代谢网络表示方法的表现力：抽象代谢网络（AMNs）、代谢有向无环图（m-DAGs）和反应图（RGs）。这些表示方法提供了对代谢过程的分层视图，其中AMNs最具抽象性，m-DAGs代表了较详细的中间层次，而RGs则提供了最细致的视图。 结果：利用KEGG数据库中的一系列物种信息，我们使用这三种表示方法构建了它们的代谢网络（即AMN、m-DAG和RG），得到了三个相应的数据集。我们应用拓扑分析方法来突出这三个数据集的独特特征，并使用五种选定的图核算法进行了代谢网络比较实验。实验结果表明，尽管RGs提供了最详细的层次信息，但其表现力与m-DAGs相当，在某些情况下甚至略低。虽然AMNs的整体表现力较低，但在比较来自不同分类群或适应不同环境的生物体时，其表现力与m-DAGs和RGs相当，这表明在某些条件下，粗粒度的表示方法仍然能够捕捉到关键的代谢差异。 结论：实验结果证明了这三种表示方法的有效性，以及所选图核算法在比较代谢网络时的适用性。此外，这些发现还可以作为探索从环境样本等来源获得的宏基因组或宏转录组数据集中表示方法和核算法选择时的有用参考。