×
华，林；周平；刘洪；李、林；杨，郑；刘志成

将网络拓扑特性与支持向量回归相结合，从SNP数据中挖掘易感基因模块和疾病风险基因。 （英语） Zbl 1397.92454号

J.西奥。生物。 289, 225-236 (2011).
摘要：全基因组关联研究是识别疾病风险位点的有力方法。然而，大多数复杂疾病的分子调控机制仍不清楚。因此，进一步研究遗传因素和生物网络之间的相互作用对于阐明复杂疾病的分子机制具有重要意义。在这里，我们提出了一个新的框架，通过结合网络拓扑特性和支持向量回归从单核苷酸多态性（SNP）水平识别易感基因模块和疾病风险基因。我们使用加州大学圣克鲁斯分校（UCSC）基因组数据库将风险SNP分配给基因，然后将这些基因映射到蛋白质相互作用（PPI）网络。利用PPI网络提取了与hub基因相关的基因模块，并分析了这些基因模块的拓扑特性。对于每个基因模块，通过拓扑特性分析和支持向量回归确定风险特征基因。因此，先前的报告发现五个共同风险特征基因CD80、EGFR、FN1、GSK3B和TRAF6与类风湿关节炎相关。与其他方法相比，我们的方法表现出了良好的性能，可以用于确定与复杂疾病相关的候选基因的优先级。

MSC公司：

92D10型 遗传学和表观遗传学
92C40型 生物化学、分子生物学
92立方厘米 系统生物学、网络

关键词：

复杂疾病；蛋白质相互作用网络；基因模块；支持向量回归；特征基因

软件：

支持向量机；TopoGSA公司；格洛西
PDF格式BibTeX公司 XML格式引用
\textit{L.Hua}等人，J.Theor。生物学289225-236（2011；Zbl 1397.92454）
全文： 内政部

参考文献：

[1] 阿尔茨，S。；兰布雷希茨，D。；Maity，S。；Van-Loo，P。；科森，B。；De-Smet，F。；Tranchevent有限责任公司。；De-Moor，B。；Marynen，P。；哈桑，B。；Carmeliet，P。；Moreau，Y.，《通过基因组数据融合实现基因优先排序》，《国家生物技术》。，24, 5, 537-544, (2006)
[2] 艾迪尼斯，V。；卡尼奇，P。；阿玛卡，M。；Witke，W。；Harokopos，V。；北帕维尔卡。；科赞，D。；Argyropoulos，C。；托温，M.-M。；莫勒，S。；Kazunori，W。；Gopalakrishnakone，P。；Ricciardi-Castagnoli，P。；Thiesen，H.-J。；Hayashizaki，Y。；Kollias，G.，滑膜成纤维细胞中的细胞骨架重排作为类风湿关节炎模型的新病理生理决定因素，Plos基因。，1、4、e48（2005）
[3] 背部，C。；凯勒，A。；Kuentzer，J。；克奈塞尔，B。；伯爵夫人，N。；Y.A.Elnakady。；穆勒，R。；梅斯，E。；Lenhof，H.-P.，基因高级基因集富集分析，核酸研究，35，补遗2，W186-W192，（2007）
[4] Barabási，A.L。；Oltvai，Z.N.，《网络生物学：理解细胞的功能组织》，自然科学版。，5, 2, 101-113, (2004)
[5] 蔡健杰。；伯恩斯坦，E。；Petrov，D.A.，人类疾病中的Broker基因，基因组生物学。埃弗尔。，2, 815-825, (2010)
[6] Canu，S.，Grandvalet，Y.，Rakotomamonjy，A.，2003年。SVM和内核方法MATLAB工具箱。感知系统信息。法国鲁昂INSA de Rouen。；Canu，S.，Grandvalet，Y.，Rakotomamonjy，A.，2003年。SVM和内核方法MATLAB工具箱。感知系统信息。法国鲁昂INSA de Rouen。
[7] 卡瓦略，J.F。；空白，M。；Shoenfeld，Y.，《自身免疫性疾病中的血管内皮生长因子（VEGF）》，J.clin。免疫。，27, 246-256, (2007)
[8] H.S.Chai。；Sicotte，H。；K.R.贝利。；特纳，S.T。；阿斯曼，Y.W。；Kocher，J.P.，GLOSSI:评估基因位置集与复杂疾病关联的方法，BMC生物信息学，10，102-107，（2009）
[9] 联合会，W.T.C.C.C.，对14000例7种常见疾病和3000个共享对照的全基因组关联研究，Nature，447661-683，（2007）
[10] Eleftherohorinou，H。；赖特，V。；霍加特，C。；Hartikainen，A.-L。；Jarvelin，M.-R。；鲍尔丁，D。；硬币，L。；Levin，M.，GWAS的路径分析为3种炎症疾病的遗传易感性提供了新的见解，Plos one，4，11，e8068，（2009）
[11] Erdős，P。；Rényi，A.，关于随机图。I.出版数学。，6, 290-297, (1959) ·Zbl 0092.15705号
[12] Erdős，P。；Rényi，A.，随机图的进化，Magy。都铎。阿卡德。马特·库塔托国际有限公司。，1960年5月17日至61日·Zbl 0103.16301号
[13] 乔兰塔·费塔拉；Jimenez，Sergio A.，抑制糖原合成酶激酶（GSK）-3下调正常和硬皮病成纤维细胞中I型胶原基因的表达，并消除转化生长因子（TGF-）、大黄性关节炎的促纤维化作用。，62，增刊10，（2010），1999
[14] 甘地，T.K.B。；钟，J。；Mathivanan，S。；卡西姆，L。；钱德里卡，K.N。；Mohan，S.S.公司。；夏尔马，S。；平克特，S。；Nagaraju，S。；Periaswamy，B。；米什拉，G。；南达库马尔，K。；沈，B。；北德什潘德。；Nayak，R。；Sarker，M。；Boeke，J.D。；Parmigiani，G。；舒尔茨，J。；Bader，J.S。；Pandey，A.，《人类蛋白质相互作用组的分析以及与酵母、蠕虫和苍蝇相互作用数据集的比较》，《自然遗传学》。，38, 285-293, (2006)
[15] 格拉布，E。；博多，A。；北卡罗来纳州克拉斯诺戈尔。；Valencia，A.，Topogsa：网络拓扑基因集分析，生物信息学，26，1271-1272，（2010）
[16] Goh，K.-I。；M.E.库西克。；Valle，D。；Childs，B。；维达尔，M。；Barabasi，A.-L.，《人类疾病网络》，Pnas，104，21，8685-8690，（2007）
[17] P.K.格雷格森。；西尔弗，J。；温切斯特，R.J.，共享表位假说。了解类风湿关节炎易感性的分子遗传学方法。，30, 1205-1213, (1987)
[18] 黄，W。；王，P。；刘，Z。；Zhang，L.，通过全基因组关联研究识别疾病关联，BMC生物信息学，10，Suppl.1，S68，（2009）
[19] 蒋伟（Jiang，W.）。；李，X。；Rao，S。；Wang，L。；杜，L。；李，C。；吴，C。；王，H。；王，Y。；Yang，B.，使用配对相关度量构建疾病特异性基因网络：将白细胞介素8、结蛋白和烯醇化酶1作为中心元素应用于结肠癌，BMC系统。生物学，2，72，1752-1766，（2008）
[20] Kanehisa，M.，基因组学KEGG数据库，核酸研究，30，42-46，（2002）
[21] 医学博士Kaytor。；拜阿姆，C.E。；南卡罗来纳州图西。；史蒂文斯，S.D。；Zoghbi，H.Y。；Orr，H.T.，共济失调蛋白-1磷酸化调节剂的细胞筛选，Hum.mol.genet。，14, 8, 1095-1105, (2005)
[22] Kim，J.-M。；Lee，K.-H。；Jeon，Y.-J。；哦，J.-H。；Jeong，S.-Y。；宋，I.-S。；Kim，J.-M。；李·D·S。；Kim，N.-S.，使用表达序列标签识别与帕金森氏病相关的基因，DNA res.，13，6，275-286，（2007）
[23] F.A.库里曼。；达哈，N.A。；Chang，M。；Catanese，J.J。；Begovich，A.B。；Huizinga，T.W。；Toes，R.E.，IL2RA和IL2RB与类风湿性关节炎的相关性：一项在荷兰Am.rheum人群中的复制研究。数字化信息系统。，68, 11, 1789-1790, (2009)
[24] Lebrec，J.J。；Huizinga，T.W。；脚趾，R.E。；侯温·杜伊斯特马特，J.J。；van-Houwelingen，H.C.，通过线性建模将基因本体路径与北美类风湿关节炎联盟全基因组关联数据整合，BMC程序。，3，补遗7，S94，（2009）
[25] 李·D·S。；Park，J。；Kay，K.A。；北卡罗来纳州克里斯塔基斯。；奥尔特瓦伊，Z.N。；Barabasi，A.-L.，《人类代谢网络拓扑结构对疾病共病的影响》，Pnas，105，29，9880-9885，（2008）
[26] Myasnikova，E。；Samsonova，A。；萨姆索诺娃，M。；Reinitz，J.，《支持向量回归应用于从果蝇胚胎的分割基因表达模式确定其发育年龄》，生物信息学，18，Suppl.1，S87-S95，（2002）
[27] 帕蒂尔，新南威尔士州。；Pashine，A。；医学博士Belmenes。；刘伟。；Kaneshiro，B。；Rabinowitz，J。；Mclowneu，H。；Mellins，E.D.，类风湿性关节炎（RA）相关的HLA-DR等位基因与II类相关的不变链肽形成的复合物不如非RA相关的HLA-DR等位基因稳定，免疫学杂志。，167, 12, 157-168, (2001)
[28] 邱，Y。；张，S。；张，X。；Chen，L.，基于高通量数据检测疾病相关模块并优先排序活性基因，BMC生物信息学，11，26，1471-1482，（2010）
[29] 施密茨，G。；W.E.卡明斯基。；Porsch-Øzcürümez，M。；Klucken，J.等人。；Orsó，E。；Bodzioch，M。；Büchler，C。；Drobnik，W.，巨噬细胞中ATP-结合盒转运体A1（ABCA1）：炎症和脂质代谢的双重功能？，病理生物学，67，236-240，（1999）
[30] 肖尔科夫，B。；Smola，A.，《用内核学习》（2002），麻省理工学院出版社剑桥
[31] Shibolet，O。；Gialourakis，C。；罗森博格，L。；米勒，T。；R.J.泽维尔。；Podolsky，D.K.，AKAP13 a rhoa gtpase-specific guanine exchange factor是TLR2信号传导的一种新型调节因子，J.biol。化学。，282, 35308-35317, (2007)
[32] 席尔瓦，D.G。；Schönbach，C。；布鲁西奇，V。；洛杉矶索查。；Nagashima，T。；Petrovsky，N.，使用人类管理加FACTS，一种新的生物信息提取系统，从RIKEN小鼠cdna数据集中识别“病理记录”（疾病相关基因），BMC基因组学，5，28，（2004）
[33] Subramanian，A。；Tamayo，P。；穆萨，V.K。；穆克吉，S。；艾伯特，B.L。；Gillette，文学硕士。；Paulovich，A。；Pomeroy，S.L.公司。；T.R.Golub。；兰德，E.S。；Mesirovak，J.P.，《基因集富集分析：解释全基因组表达谱的基于知识的方法》，Proc。国家。美国科学院。科学。美国，102，43，15545-15550，（2005）
[34] I.W.泰勒。；林丁，R。；Warde-Farley，D。；刘，Y。；Pesquita，C。；Faria，D。；公牛，S。；Pawson，T。；莫里斯，Q。；Wrana，J.L.，《蛋白质相互作用网络中的动态模块性预测乳腺癌预后》，《国家生物技术》。，27, 2, 199-204, (2009)
[35] Torkamani，A。；白杨，E.J。；Schork，N.J.，通过全基因组关联评估的七种常见疾病的路径分析，基因组学，92，265-272，（2008）
[36] 王，C。；蒋伟（Jiang，W.）。；李伟（Li，W.）。；Lian，B。；陈，X。；Hua，L。；Lin，H。；李，D。；李，X。；Liu，Z.，人类蛋白质相互作用网络中microrna调节的药物靶点的拓扑特性，药物靶向，8，272-279，（2010）
[37] 王凯。；李，M。；Bucan，M.，《全基因组关联研究的基于路径的分析方法》，Am.J.hum.genet。，81, 219-228, (2007)
[38] 王，Y。；Yu，Z.，微阵列上疾病相关基因识别的2型模糊方法，国际生物科学杂志。，生物化学。生物信息学，1,173-78，（2011）
[39] 翁·L。；麦克亚迪（F.Macciardi）。；Subramanian，A。；Guffanti，G。；Potkin，S.G.公司。；于，Z。；Xie，X.，基于SNP的全基因组关联研究路径富集分析，BMC生物信息学，12，99，（2011）
[40] Wu，H。；Arron，J.R.，TRAF6，跨越适应性免疫、先天免疫和骨免疫学的分子桥梁，生物论文，251091-1105，（2003）
[41] 朱，M。；高，L。；李，X。；刘，Z。；徐，C。；Yan，Y。；Walker，E。；蒋伟（Jiang，W.）。；苏，B。；陈，X。；Lin，H.，《基于人类蛋白质-蛋白质相互作用网络拓扑特性的药物靶点分析》，《药物靶向》，17，7，524-532，（2009）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。