Refining Protein Co-Membership in Reactome: A Weighted Scoring Approach Based on Hierarchy and Sequences of Patwhays

ملخص تقني: تحسين العضوية المشتركة للبروتينات في Reactome

بيان المشكلة
في بيولوجيا الشبكات، يُستخدم نهج العضوية المشتركة للمسارات (pathway co-membership) بشكل شائع لربط البروتينات التي تنتمي إلى نفس المسار عن طريق إسقاطها في "كليكة" (clique) (وهي رسم بياني كامل الاتصال). ورغم فعالية هذه الطريقة في رسم خرائط معرفة المسارات للبروتينات، إلا أن طرق العضوية المشتركة القياسية غير الموزونة (unweighted) لا تلائم التطبيقات اللاحقة التي تعتمد على المسافات في الرسم البياني، مثل "المشي العشوائي مع إعادة التشغيل" (RWR). تفشل هذه الطرق في التمييز بين البروتينات المرتبطة وظيفياً بشكل وثيق (مثل تلك الموجودة ضمن مسار فرعي محدد) وتلك التي تنتمي فقط إلى مسار عام وواسع. وبناءً على ذلك، فإنها لا تعكس بدقة المسافة البيولوجية بين البروتينات، حيث تعامل جميع تفاعلات العضوية المشتركة كأنها متساوية بغض النظر عن خصوصية المسار أو تنظيمه التسلسلي.

المنهجية
يقترح المؤلفون منهجية عضوية مشتركة موزونة للمسارات تدمج المسافات البيولوجية بين البروتينات من خلال الاستفيد من التنظيم الهرمي والعلاقات التسلسلية لمسارات Reactome. تمر المنهجية عبر الخطوات التالية:

1. تجريد البيانات: باستخدام الإصدار 96 من Reactome (بصيغة BioPAX)، طور المؤلفون إطار عمل تجريدي لاستخراج نوعين من العلاقات من رسم BioPAX البياني:

   • التركيب الهرمي: تم استخراجه عبر علاقات bp3:pathwayComponent وتتم نمذجته كحواف abstraction:IsAComponentOf.
   • العلاقات التسلسلية: تم استخراجها عبر علاقات bp3:nextStep بين خطوات المسار، وتتم نمذجتها كحواف abstraction:NextStepPathway (NSP).

2. نظام تسجيل النقاط (Scoring System): يخصص المؤلفون أوزانًا لهذه التجريدات باستخدام المحتوى المعلوماتي (IC) بناءً على تعليقات البروتينات (protein annotations).

   • درجة MICA (الهرمية): بالنسبة لمسارين متصلين بحافة تركيب، يتم اشتقاق الوزن من المحتوى المعلوماتي لـ "السلف الأكثر إخباراً" (Most Informative Common Ancestor - MICA). الصيغة المستخدمة هي $IC_{prot}(P) = -\log(\frac{I_{prot}(P)}{I_{prot}(T)})$، حيث $I_{prot}(P)$ هو عدد البروتينات المصنفة للمسار $P$ و $I_{prot}(T)$ هو إجمالي عدد البروتينات في الرسم البياني. المسارات الأصغر والأكثر تحديداً تعطي درجات أعلى.
   • درجة NSP (التسلسلية): بالنسبة للمسارات المرتبطة بحافة تسلسل، يتم حساب الوزن بناءً على المحتوى المعلوماتي لاتحاد البروتينات المصنفة لها ($P1 \cup P2$).

3. تسجيل نقاط العضوية المشتركة للبروتين:

   • لأي زوج من البروتينات ($p1, p2$)، يحدد المؤلفون الآباء المساريين (pathway parents) الخاصين بهم في الرسم البياني التجريدي.
   • يتم حساب مصفوفتين: واحدة لدرجات MICA وأخرى لدرجات NSP (مع مراعاة الأسلاف).
   • يتم تعريف درجة العضوية المشتركة النهائية لزوج البروتينات بأنها الحد الأقصى لدرجة MICA ودرجة NSP:
     $$score(p1, p2) = \max(score_{MICA}(P1, P2), score_{NSP}(P1, P2))$$
   • تشير الدرجة صفر إلى أن البروتينات لا تشترك إلا في المسار الجذر دون وجود روابط هرمية أو تسلسلية محددة.

4. التنفيذ: قام المؤلفون بحساب مسبق لكليكات العضوية المشتركة الموزونة لجميع مسارات Reacton الـ 29 العليا وقاعدة معرفة Reactome بأكملها (73 مليون تفاعل). وهذه الكليكات متاحة على منصة NDEx.

المساهمات الرئيسية

• إطار عمل تجريدي موزون: طريقة مبتكرة لتجريد مسارات Reactome إلى رسم بياني يلتقط كلاً من الهيكل التركيبي والترتيب التسلسلي، مع تعيين أوزان بناءً على المحتوى المعلوماتي للبروتين.
• نظام تسجيل النقاط: خوارزمية تسجيل محددة لأزواج البروتينات تدمج الخصوصية الهرمية (عبر MICA) والسياق التسلسلي (عبر NSP)، متجاوزةً مجرد العضوية المشتركة الثنائية البسيطة.
• توليد الموارد: توليد وإيداع عام لكليكات العضوية المشتركة الموزونة لـ 29 مساراً من مسارات Reactome العليا ولـ Reactome بأكملها، مما يسهل استكشاف تفاعلات البروتين.
• التقييم المعياري: تقييم شامل باستخدام "المشي العشوائي مع إعادة التشغيل" (RWR) على عشر مجموعات جينية من سمات السرطان (cancer hallmark gene sets)، ومقارنة الطريقة المقترحة مع مقاييس التشابه المتطورة (Cosine, Jaccad).

النتائج
ركز التقييم على مهام تحديد أولويات الجينات باستخدام عشر مجموعات جينية لسمات السرطان (مثل "غزو الأنسجة والانتشار" و"عدم استقرار الجينوم").

• الأداء: حققت النهج الموزون المقترح (الذي يدمج الهرمية والتسلسل معاً) باستمرار أعلى "المساحة تحت المنحنى" (AUC) عبر جميع سمات السرطان العشر في تجارب RWR مع احتمال إعادة تشغيل منخفض ($r=0.1$)، والمصمم لاستكشاف الشبكة بعيد المدى. تراوحت قيم AUC بين 0.78 و 0.90.
• المقارنة: تفوقت الطريقة على الطرق المتطورة التي تستخدم تشابه Cosine (AUC 0.74–0.89) وتشابه Jaccard (AUC 0.67–0.88). أما الكليكات غير الموزونة فقد كان أداؤها قريباً من العشوائية (AUC 0.55–0.71).
• تحليل المكونات:
  • أدى إزالة المعلومات التسلسلية (NSP) والاعتماد فقط على الهرمية إلى انخفاض طفيف في الأداء (AUC 0.77–0.89)، مما يشير إلى أنه بينما تشكل درجات NSP جزءاً صغيراً من إجمالي الدرجات (حوالي 0.4% من التفاعلات في الكليكة الكاملة)، إلا أنها توفر قيمة معلوماتية كبيرة.
  • في مهام استكشاف الجوار المحلي (احتمال إعادة تشغيل مرتفع $r=0.7$)، أظهرت جميع طرق التوزين أداءً متكافئاً، مما يشير إلى أنه بالنسبة للجيران القريبين، فإن مقياس التوزين المحدد يقل أهمية عن الطوبولوجيا العامة.

الأهمية والادعاءات
يدعي البحث أن النهج المقترح يتفوق على الطرق المتطورة لتحديد أولويات الجينات لسمات السرطان، وتحديداً في المهام التي تتطلب استكشافاً واسع المدى للشبكة. ويجادل المؤلفون بأن طريقتهم تلتقط بفعالية "المسافة البيولوجية" بين البروتينات من خلال مراعاة خصوصية المسارات التي يتشاركون فيها والترتيب التسلسلي لخطوات المسار.

ويؤكد المؤلفون أنه بينما تكون مساهمة درجات التسلسل (NSP) في توزيع الوزن الإجمالي صغيرة عددياً، فإن تضمينها يؤدي إلى تحسينات ملموسة في الأداء، مما يثبت أهمية دمج تسلسلات المسارات في تسجيل العضوية المشتركة. يوفر العمل مورداً قابلاً للتوسع ومحسوباً مسبقاً (متاح على NDEx) لتسهيل تحليل تفاعل البروتين الأكثر دقة. كما يشير المؤلفون إلى قيود تتعلق بالتكلفة الحسابية لإعادة توليد الكليكات عند تحديثات Reactome والاعتماد على غنى أوصاف BioPAX في قواعد بيانات المسارات الأخرى.