SimMapNet：一种基于贝叶斯方法的基因调控网络推断框架，利用基因本体论相似性作为外部线索

《BMC Bioinformatics》：SimMapNet : a Bayesian framework for gene regulatory network inference using gene ontology similarities as external hint

　　

摘要

基因调控网络（GRN）的构建是计算生物学中的重要挑战，对于理解基因间的相互作用至关重要。在本研究中，我们试图将基因本体论（GO）中的相似性纳入GRN的构建过程中。我们的核心假设是：在分子功能、生物过程或细胞组分类别中相似度较高的基因更有可能具有功能上的关联，因此也更有可能在网络中形成连接。我们提出了SimMapNet，这是一种贝叶斯框架，可用于估算精度矩阵，该矩阵在用于无向GRN推断的高斯图模型中充当邻接矩阵。SimMapNet通过整合GO相似性来提升网络推断的性能，它借助核函数为先验分布的超参数提供信息，从而以合理的方式融入生物学上的先验知识。我们在三个数据集上对SimMapNet进行了测试：两个来自大肠杆菌的SOS DNA修复反应途径的数据集，以及一个来自黑腹果蝇的数据集。测试结果表明，与GLASSO、GENIE3和KBOOST等现有先进方法相比，该算法在F1分数方面表现更为优异。SimMapNet的时间复杂度较低，非常适合用于构建大型网络。我们的模拟结果进一步证实，在样本量有限的场景下，SimMapNet的表现尤为出色，而传统方法往往难以应对此类情况。