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

Technische Zusammenfassung: Verfeinerung der Protein-Ko-Mitgliedschaft in Reactome

Problemstellung
In der Netzwerkbiologie wird der Ansatz der Pfad-Ko-Mitgliedschaft (pathway co-membership) häufig verwendet, um Proteine zu verknüpfen, die zu demselben Signalweg gehören, indem sie in einen Clique (einen voll vernetzten Subgraphen) projiziert werden. Während dies für die Abbildung von Pfadwissen auf Proteine effektiv ist, sind Standardmethoden der ungewichteten Ko-Mitgliedschaft für Downstream-Anwendungen, die auf Graph-Distanzen basieren – wie etwa Random Walks with Restart (RWR) – ungeeignet. Diese Methoden versäumen es, zwischen Proteinen zu unterscheiden, die funktionell eng verwandt sind (z. B. innerhalb eines spezifischen Sub-Pfades), und solchen, die lediglich Teil eines breiten, allgemeinen Pfades sind. Infolgedessen bilden sie die biologische Distanz zwischen Proteinen nicht genau ab, da sie alle Ko-Mitgliedschafts-Interaktionen als gleich behandeln, unabhängig von der Pfadspezifität oder der sequenziellen Organisation.

Methodik
Die Autoren schlagen eine gewichtete Pfad-Ko-Mitgliedschaftsmethode vor, die biologische Distanzen zwischen Proteinen durch die Nutzung der hierarchischen Organisation und der sequenziellen Beziehungen von Reactome-Pfaden integriert. Die Methodik umfasst die folgenden Schritte:

1. Datenabstraktion: Unter Verwendung von Reactome Version 96 (BioPAX-Format) entwickelten die Autoren ein Abstraktionsframework, um zwei Arten von Beziehungen aus dem BioPAX-Graphen zu extrahieren:

   • Hierarchische Komposition: Extrahiert über bp3:pathwayComponent-Beziehungen, modelliert als abstraction:IsAComponentOf-Kanten.
   • Sequenzielle Beziehungen: Extrahiert über bp3:nextStep-Beziehungen zwischen Pfadschritten, modelliert als abstraction:NextStepPathway (NSP)-Kanten.

2. Bewertungssystem: Die Autoren weisen diesen Abstraktionen Gewichte zu, indem sie die Informationsgehalt (Information Content, IC) basierend auf Proteinannotationen nutzen.

   • MICA-Score (Hierarchisch): Für zwei Pfade, die durch eine Kompositionskante verbunden sind, wird das Gewicht aus dem Informationsgehalt des informativsten gemeinsamen Vorfahren (Most Informative Common Ancestor, MICA) abgeleitet. Die verwendete Formel lautet $IC_{prot}(P) = -\log(\frac{I_{prot}(P)}{I_{prot}(T)})$, wobei $I_{prot}(P)$ die Anzahl der durch Pfad $P$ annotierten Proteine und $I_{prot}(T)$ die Gesamtzahl der Proteine im Graphen ist. Kleinere, spezifischere Pfade ergeben höhere Scores.
   • NSP-Score (Sequenziell): Für Pfade, die durch eine Sequenzkante verknüpft sind, wird das Gewicht basierend auf dem IC der Vereinigung ihrer annotierten Proteine ($P1 \cup P2$) berechnet.

3. Protein-Ko-Mitgliedschaftsbewertung:

   • Für jedes Proteinpaar ($p1, p2$) identifizieren die Autoren deren jeweilige Pfad-Eltern im Abstraktionsgraphen.
   • Es werden zwei Matrizen berechnet: eine für MICA-Scores und eine für NSP-Scores (unter Berücksichtigung von Ahnen).
   • Der endgültige Ko-Mitgliedschafts-Score für das Proteinpaar ist definiert als das Maximum aus dem MICA-Score und dem NSP-Score:
     $$score(p1, p2) = \max(score_{MICA}(P1, P2), score_{NSP}(P1, P2))$$
   • Ein Score von Null bedeutet, dass die Proteine lediglich den Wurzelpfad teilen, ohne spezifische hierarchische oder sequenzielle Verbindungen.

4. Implementierung: Die Autoren haben gewichtete Ko-Mitgliedschafts-Cliques für alle 29 Reactome-Top-Level-Pfade sowie für die gesamte Reactome-Wissensbasis (73 Millionen Interaktionen) vorberechnet. Diese sind auf NDEx verfügbar.

Kernbeiträge

• Gewichtetes Abstraktionsframework: Eine neuartige Methode, um Reactome-Pfade in einen Graphen zu abstrahieren, der sowohl die kompositorische Hierarchie als auch die sequenzielle Ordnung erfasst und Gewichte basierend auf dem Protein-Informationsgehalt zuweist.
• Bewertungssystem: Ein spezifischer Algorithmus zur Bewertung von Proteinpaaren, der die hierarchische Spezifität (via MICA) und den sequenziellen Kontext (via NSP) integriert und somit über eine einfache binäre Ko-Mitgliedschaft hinausgeht.
• Ressourcengenerierung: Die Erzeugung und öffentliche Bereitstellung von gewichteten Ko-Mitgliedschafts-Cliques für die 29 Reactome-Top-Level-Pfade und die gesamte Reactome-Wissensbasis, was die Untersuchung von Proteininteraktionen erleichtert.
• Benchmarking: Eine umfassende Evaluierung mittels Random Walk with Restart (RWR) auf zehn Krebs-Hallmark-Gensätzen, bei der die vorgeschlagene Methode mit State-of-the-Art-Ähnlichkeitsmaßen (Cosine, Jaccard) und ungewichteten Cliques verglichen wurde.

Ergebnisse
Die Evaluierung konzentrierte sich auf Aufgaben der Gen-Priorisierung unter Verwendung von zehn Krebs-Hallmark-Gensätzen (z. B. „Tissue invasion and metastasis“, „Genome instability“).

• Leistung: Der vorgeschlagene gewichtete Ansatz (der sowohl Hierarchie als auch Sequenz einbezieht) erreichte konsistent die höchste Area Under the Curve (AUC) über alle zehn Krebs-Hallmarks in RWR-Experimenten mit einer niedrigen Restart-Wahrscheinlichkeit ($r=0,1$), die für die langfristige Netzwerkexploration konzipiert ist. Die AUC-Werte lagen zwischen 0,78 und 0,90.
• Vergleich: Die Methode übertraf State-of-the-Art-Methoden, die Cosine-Ähnlichkeit (AUC 0,74–0,89) und Jaccard-Ähnlichkeit (AUC 0,67–0,88) verwenden. Ungewichtete Cliques schnitten nahe am Zufall ab (AUC 0,55–0,71).
• Komponentenanalyse:
  • Das Entfernen der sequenziellen Information (NSP) und das ausschließliche Vertrauen auf die Hierarchie führte zu einer leichten Leistungsminderung (AUC 0,77–0,89), was darauf hindeutet, dass NSP-Scores zwar nur einen kleinen Teil der Gesamt-Scores ausmachen (ca. 0,4 % der Interaktionen im vollständigen Clique), aber einen signifikanten Informationswert liefern.
  • In Aufgaben der lokalen Nachbarschaftsexploration (hohe Restart-Wahrscheinlichkeit $r=0,7$) zeigten alle Gewichtungsmethoden eine äquivalente Leistung, was darauf hindeutet, dass für nahe Nachbarn die spezifische Gewichtungsmetrik weniger wichtig ist als die allgemeine Topologie.

Bedeutung und Behauptungen
Das Paper behauptet, dass der vorgeschlagene Ansatz State-of-the-Art-Methoden für die Gen-Priorisierung bei Krebs-Hallmarks übertrifft, insbesondere bei Aufgaben, die eine langfristige Netzwerkexploration erfordern. Die Autoren argumentieren, dass ihre Methode die „biologische Distanz“ zwischen Proteinen effektiv erfasst, indem sie die Spezifität der geteilten Pfade und die sequenzielle Ordnung der Pfadschritte berücksichtigt.

Die Autoren betonen, dass der Beitrag der sequenziellen (NSP) Scores zum Gesamtgewicht numerisch gering ist, deren Einbeziehung jedoch zu messbaren Leistungsverbesserungen führt, was die Wichtigkeit der Integration von Pfadsequenzen in die Ko-Mitgliedschaftsbewertung validiert. Die Arbeit stellt eine skalierbare, vorberechnete Ressource (verfügbar auf NDEx) bereit, um eine genauere Analyse von Proteininteraktionen in Reactome-basierten Studien zu erleichtern. Die Autoren weisen auf Einschränkungen hinsichtlich der Rechenkosten bei der Neu-Generierung von Cliques nach Reactome-Updates sowie auf die Abhängigkeit von der Reichhaltigkeit der BioPAX-Beschreibungen in anderen Pfad-Datenbanken hin.