Recent high-throughput technologies have produced numerous biological data by doing lots of experiments at a same time and genome-wide gene expression data is one of the outcomes. It can be used in various studies to understand biological system and inference of gene regulatory network using this gene expression data is an important issue in bioinformatics. Several algorithms have been introduced to infer the gene regulatory network, but these algorithms are not sufficiently accurate in case of time series gene expression data.
Here, we propose an algorithm that predicts the gene regulatory network more accurately than the previous methods. We suggest lagging time information, which is a delay time when one gene regulates another gene, on the algorithm to suit for time series data. A new method finds relationship between a pair of genes by time-shifting the time series data of one gene against another when we compare the patterns of gene pair. In this process, we can find the lagging time between each gene pair. This lagging time information is used to increase the accuracy of the prediction by filtering out the interactions that cannot exist in real biological network based on newly defined time criterion.
We tested the algorithm to several synthetic data, which is simulated from computer based on appropriate equations, and also applied the algorithm to real biological data, that is yeast cell cycle microarray gene expression data, to evaluated the effectiveness of our algorithm. As the results, we can find that the present algorithm significantly improves the accuracy of the inference of gene regulatory network. And also, we can verify that calculated lagging time information effectively used to infer the gene regulatory network in the case of time series gene expression data.
최근 고밀도 실험 기술의 발달을 통하여 많은 양의 실험을 한꺼번에 수행할 수 있게 되었고, 그로부터 방대한 양의 생물학 자료가 만들어지기 시작하였다. 전체 유전자에 대한 유전자 발현 데이터는 이런 실험 자료 중 하나로 다양한 응용 연구에 사용할 수 있다. 그 중에서 유전자 발현 데이터를 이용한 유전자 조절 네트워크의 추론 연구는 생물정보학의 중요한 주제 가운데 하나이다. 이와 같은 유전자 조절 네트워크를 예측하는 방법으로 기존의 몇 가지 방법이 소개되었으나 시계열 유전자 발현 데이터를 이용하는 경우에는 그 정확도가 충분하지 않았다.
따라서, 우리는 위의 시계열 유전자 발현 데이터에 대해서 보다 정확한 유전자 조절 네트워크를 예측하는 알고리즘을 개발하였다. 우리는 시계열 데이터만이 가질 수 있는 유전자와 유전자 사이의 조절 시간 정보를 전사적 지연 시간이라고 정의하고 이를 유전자 조절 네트워크 추론에 이용하였다. 우리는 먼저 두 유전자의 발현 데이터를 시간에 따라 움직여가면서 비교를 하였다. 이 과정에서 두 데이터가 가장 일치하는 순간을 찾아 두 유전자간의 상관관계를 측정하고 새롭게 정의한 지연 시간을 계산하였다. 이렇게 찾아진 유전자 사이의 지연 시간은 생물학적 네트워크에 기반한 규칙에 적용하여 유전자 조절 네트워크 추론에서 잘못된 예측을 제거하는데 사용한다.
우리는 이러한 새로운 알고리즘을 컴퓨터로 만들어낸 가상 데이터와 실제 효모에 대한 실험 데이터를 통해 테스트하여 보았다. 그 결과, 우리는 제안한 새로운 알고리즘이 가상 데이터와 실제 데이터 두 가지 모두의 경우에 대해서 유전자 조절 네트워크를 추론하는데 보다 향상된 결과를 보여주는 것을 확인하였다. 또한 이를 통하여 우리가 정의한 유전자 간의 전사적 지연 시간 정보가 시계열 유전자 발현 데이터를 통하여 유전자 조절 네트워크를 추론하는데 효과적으로 사용될 수 있다는 것을 알 수 있었다. 이러한 전사적 지연 시간 정보는 유전자 조절 네트워크를 예측하는 다양한 또 다른 연구에 적용할 수 있을 것으로 기대할 수 있다.
