zhangjunpeng的个人博客分享 http://blog.sciencenet.cn/u/zhangjunpeng

博文

miRNA靶基因识别之JointIDA

已有 1643 次阅读 2021-12-23 11:09 |个人分类:科普|系统分类:科普集锦

写在前面

前两次说了基于IDAIntervention calculus when the DAG is Absent)因果推理方法识别miRNA靶基因(miRNA靶基因识别之IDAmiRNA靶基因识别之DirectTarget)。这次说一下基于JointIDAJoint Intervention calculus when the DAG is Absent)因果推理方法识别miRNA靶基因。

 

01

动机

基于IDA因果推理模型方法(IDADirectTarget),通过模拟单个miRNA敲除来识别miRNA靶基因。然而,在研究每个miRNA与每个靶基因调控关系时,需要排除其他miRNAs的影响。为了消除其他miRNAs影响,在识别每个miRNA与每个靶基因调控关系时需要将数据集内其他miRNAs加以控制(这些miRNAs也是控制变量)。基于此,使用JointIDA来模拟多个miRNAs敲除来识别miRNA靶基因(图1)。

  0351100cbb47d2c69508c91ffd9473c.png

1 基于JointIDA方法论文

 

02

JointIDA

JointIDA的输入数据源为匹配的miRNAmRNA表达谱。由于没有使用先验信息,因此它是一种非监督性方法。通过与相关分析方法(Pearson)、因果方法(IDA)比较,JointIDA在发现实验验证型miRNA靶基因个数方面表现最优(图2)。分析结果显示:JointIDA方法识别的miRNA靶基因与EMTEpithelial Mesenchymal Transition)生物过程密切相关,并且发现miR-200家族成员(miR-141, miR-200a/b/cmiR-429)协同调控许多靶基因。详细结果参见参考文献[1]

575f63f243f9cbadb6c11e911c89a85.png

2 基于JointIDA方法与其他方法比较结果

后话

基于JointIDA比基于IDA更符合miRNA靶基因预测实际情况,需要注意的是JointIDA计算量比IDA更大。因此在使用JointIDA之前,最好使用特征选择(例如基因差异表达分析)来降维。

 

 

参考文献:

[1] Thuc Duy Le, Junpeng Zhang, Lin Liu, Buu Minh Thanh Truong, Shu Hu, Taosheng Xu, and Jiuyong Li. 2017. Identifying microRNA targets in epithelial-mesenchymal transition using joint-intervention causal inference. In Proceedings of the 8th International Conference on Computational Systems-Biology and Bioinformatics (CSBio '17). Association for Computing Machinery, New York, NY, USA, 34–41. DOI:https://doi.org/10.1145/3156346.3156353

[2] Thuc Le, Tao Hoang, Jiuyong Li, Lin Liu, Huawen Liu, and Shu Hu. 2016. A fast PC algorithm for high dimensional causal discovery with multi-core PCs. IEEE/ACM transactions on computational biology and bioinformatics (2016).

[3] Thuc Duy Le, Tao Hoang, Jiuyong Li, Lin Liu, and Shu Hu. 2015. ParallelPC: an R package for efficient constraint based causal exploration. arXiv preprint arXiv:1510.03042 (2015).

[4] Preetam Nandy, Marloes H Maathuis, Thomas S Richardson, et al. 2017. Estimating the effect of joint interventions from observational data in sparse high-dimensional settings. The Annals of Statistics 45, 2 (2017), 647–674.

[5] Judea Pearl. 2000. Causality: models, reasoning, and inference. Cambridge University Press.

[6] Peter Spirtes, C Glymour, and R Scheines. 2000. Causation, prediction, and search (2nd ed.). MIT Press, Cambridge, MA

 

更多背景知识如下:

1. miRNA是何方神圣?

2. What?植物miRNA能够调控动物靶基因?

3. miRNA也走非主流路线!

4. Tools4miRs:只为miRNA分析

5. miRNA序列与表达谱数据库

6. miRNA有个DIANA系列

7. miRNA富集分析之miRPath

8. miRNA富集分析之TAM

9. miRNA富集分析之miEAA

10. miRNA富集分析之clusterProfiler

11.miRNA靶基因识别

12. miRNA靶基因识别:下一步

13. miRNA靶基因之实验验证型数据库

14. miRNA靶基因之预测型数据库

15. miRNA靶基因之综合型数据库

16. miRNA靶基因之miRLAB

17. miRNA靶基因之miRBaseConverter

18. miRNATF互为调控

19. miRNA与人类疾病

20. miRNA靶基因与人类疾病

21. miRNAEMT

22. miRNA协作

23. miRNA协作之MFSN

24. miRNA协作之因果推理方法

25. 单细胞水平miRNA调控

26. miRNA靶基因识别之IDA

27. EMT,你怎么那么多调控因子!

28. miRNA靶基因识别之DirectTarget

 

号外,为了便于交流,我们为miRNA介导的ceRNA研究在Frontiers in Molecular Biosciences杂志( 2020_IF = 5.246)整了个专刊,主题为“Computational Identification of ceRNA Regulation”。投稿链接:https://www.frontiersin.org/research-topics/24340/

09af091ffa8774cb6e4add1b5e02764.png

7048596e6e9d3705a38466dc4f74de3.png



https://wap.sciencenet.cn/blog-571917-1317817.html

上一篇:miRNA靶基因识别之DirectTarget
下一篇:miRNA靶基因识别之hiddenICP

1 李宏翰

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2022-5-27 13:38

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部