Cell phenotypes are coordinated by complex networks consisting of thousands of genes and their products. Therefore, understanding this organization is crucial to elucidate cellular activities. Recently with the advent of high-throughput technology, many researchers have tried to construct the networks from microarray. The requirements for network inference have been surveyed as follows. Firstly, large-scale genes should be supported while false positives with insufficient amounts of samples should be alleviated. Secondly, Fast analysis has to be supported because inference algorithm needs a large amount of computations and takes much time for the inference. Lastly, not only algorithm itself but also the software should be provided, and the software should have extensibility for a variety of purposes of the network inference.
We have developed a new system for inferring genetic interactions satisfying the requirements above. To meet the first requirement, we have modified and utilized MONET algorithm which had already been developed. Secondly in order to support fast analysis, we have implemented parallel Bayesian network learning and employed a supercomputer as a computing server. For the third requirement, we have developed the software system which has extensibility in terms of use of servers, types of organisms, and functionalities. For the extensibility of use of servers, we have implemented three-tier system architecture, enabling us to append new servers or substitute existing servers, and for the extensibility of types of organisms we have constructed organism knowledge bases, making it possible to append and analyze other organisms additionally. Besides in order to supply the extensibility of functionalities by integrating existing analysis tools, we have developed the proposed system as a plugin of Cytoscape software which has been famous as a visualization tool for biological interaction networks, and we have witnessed that it is straightforward to validate and analyze the resulting networks.
생명현상은 수많은 유전자와 단백질 등으로 이루어진 복잡한 네트워크를 통해 일어난다. 따라서 이러한 네트워크의 구조를 이해하는 것이 세포활동에 대한 연구에 있어서 중요한 부분을 차지한다. 최근 high-throughput 기술의 개발과 함께, 여러 연구자들이 마이크로어레이 데이터로부터 이러한 유전자 상호작용 네트워크를 추론하려는 시도들을 해왔다. 이러한 네트워크 추론을 위한 요건들을 살펴보면 다음과 같다. 먼저 대규모 유전자에 대한 분석이 가능함과 동시에 실험 샘플의 양이 충분치 않을 때의 오류를 완화할 수 있어야 한다. 둘째 추론 알고리즘이 많은 계산 량을 요구하여 추론시간이 길기 때문에, 빠른 분석이 가능해야 한다. 셋째 알고리즘만이 아닌 실제로 가용한 소프트웨어가 필요하며, 그 소프트웨어는 다양한 추론목적을 고려하여 확장성을 가져야 한다.
우리는 이와 같은 요건들을 만족시키는 유전자 상호작용 추론 시스템을 개발하였다. 첫째 요건을 위해 우리는 기존에 개발된 MONET 알고리즘을 수정 및 사용하였다. 둘째, 빠른 분석을 가능케 하기 위하여 우리는 병렬화 된 베이지안 네트워크 학습을 구현하였고 슈퍼컴퓨터를 계산서버로 사용하였다. 그리고 셋째 요건을 위해 우리는 서버(server)의 확장성, 지원 종(organism)의 확장성, 기능적 확장성을 지원하는 소프트웨어 시스템을 개발하였다. 시스템 서버의 확장성을 위해 우리는 3-tier 시스템 구조를 구현하여 서버를 새로이 추가하거나 교체할 수 있도록 하였고, 지원 종의 확장성을 위해 종 지식베이스(knowledge base)를 사용하여 새로운 종을 추가 사용 할 수 있도록 하였다. 또한 기존 분석 툴(tool)과의 통합을 통해 기능적 확장성을 제공할 수 있도록, 본 시스템을 네트워크 시각화 툴로 잘 알려진 Cytoscape의 플러그인 형태로 제작하였고, 이를 통해 추론 결과에 대한 평가 및 분석이 매우 손쉬워지는 것을 확인할 수 있었다. 제안한 시스템의 구조와 결과 및 주요 기능들을 본문을 통해 제시하였다.
