Multi-omics network reconstruction with collaborative graphical lasso

Resumen Técnico: Lasso Gráfico Colaborativo para la Reconstrucción de Redes Multi-ómicas

Planteamiento del Problema
La creciente disponibilidad de datos multi-ómicos ha creado la necesidad de métodos de integración que puedan proporcionar una descripción molecular holística de los procesos biológicos. Mientras que las estrategias existentes como el Análisis de Factores Multi-ómicos (MOFA) y DIABLO se centran en el análisis de factores o en el descubrimiento supervisado de biomarcadores, la reconstrucción de redes de interacción multi-ómicas sigue estando subdesarrollada. Los Modelos Gráficos Gaussianos (GGM) estándar, particularmente el lasso gráfico (glasso), son efectivos para datos de una sola capa, pero no logran dar cuenta de la naturaleza distinta e interdependiente de las capas multi-ómicas. Aplicar glasso directamente a datos multi-ómicos requiere fusionar las capas como si fueran idénticas, lo que puede perder información específica de cada capa. Por el contrario, las extensiones de GGM multi-ómicas existentes, como DRAGON, introducen parámetros de penalización separados, pero carecen de un mecanismo para fomentar la "colaboración" entre capas, un concepto aplicado con éxito en la regresión lineal multi-ómica (regresión colaborativa) pero que anteriormente estaba ausente en la estimación de GGM.

Metodología
Los autores proponen el lasso gráfico colaborativo (coglasso), un algoritmo que extiende el marco de trabajo de glasso para manejar datos de múltiples capas modificando su función objetivo.

1. Modificación de la Función Objetivo:
   Coglasso estima la matriz de precisión $\Theta$ para dos capas ómicas, $X$ (tamaño $p_X$) y $Z$ (tamaño $p_Z$), particionando los subbloques de la matriz de varianza-covarianza y los vectores de coeficientes. La función objetivo para estimar el vector de aproximación $\beta_i$ (que representa las conexiones al nodo $i$) incluye tres componentes:

   • El término estándar de glasso para la estimación de la estructura de la red.
   • Un término colaborativo: Este penaliza la diferencia al cuadrado entre las contribuciones ponderadas de la capa $X$ y la capa $Z$ a la estructura de la red. Está controlado por un hiperparámetro $c$. Este término fomenta que las capas "tomen prestada" información una de otra, armonizando sus contribaciones y evitando que los sesgos específicos de cada capa dominen la inferencia.
   • Un sistema de penalización L1 mixto: A diferencia del único parámetro de penalización de glasso, coglasso emplea dos parámetros de penalización distintos:
     • $\lambda_w$: Controla la dispersión (sparsity) de las interacciones dentro de la misma capa ómica.
     • $\lambda_b$: Controla la dispersión de las interacciones entre diferentes capas ómicas.

2. Optimización:
   El algoritmo resuelve la función objetivo modificada de forma iterativa mediante un procedimiento de descenso de coordenadas, actualizando la matriz de precisión fila por fila hasta la convergencia.

3. Selección de Modelo (XStARS):
   La selección de los hiperparámetros óptimos ($\lambda_w, \lambda_b, c$) es un desafío debido al espacio de búsqueda tridimensional. Los autores introducen eXtended StARS (XStARS), un criterio de estabilidad que extiende el algoritmo StARS original (Liu et al., 2010). XStARS evalúa la estabilidad de la red a través de submuestreos repetidos de los datos a través de la rejilla de hiperparámetros tridimensional para seleccionar la estructura de red más estable.

Contribuciones Clave

• Innovación Algorítmica: La introducción de un término de penalización colaborativa en el marco de GGM, permitiendo que las capas multi-ómicas compartan información mientras mantienen características estructurales distintas.
• Regularización Flexible: La implementación de un esquema de regularización dual ($\lambda_w$ y $\lambda_b$) que permite el control independiente sobre la dispersión dentro de la capa y entre capas.
• Marco de Selección de Modelo: El desarrollo de XStARS para abordar la sintonización de hiperparámetros de alta dimensión requerida por el nuevo marco colaborativo.
• Implementación: El lanzamiento del paquete de R coglasso en CRAN, incluyendo el procedimiento de selección XStARS.

Resultados
El rendimiento de coglasso fue evaluado mediante extensos estudios de simulación y una aplicación en el mundo real:

1. Estudios de Simulación:

   • Configuración: Se generaron tres escenarios con dimensionalidad creciente ($p=60, 100, 150$) y complejidad estructural variable (redes de clúster con conexiones entre capas).
   • Métricas de Rendimiento: Coglasso fue comparado con el glasso estándar utilizando el coeficiente F1, el Coeficiente de Correlación de Matthews (MCC) y la Divergencia de Kullback-Leibler (KLD).
   • Hallazgos: Coglasso superó consistentemente a glasso en la recuperación de la verdadera estructura de la red y en la estimación de los valores de la matriz de precisión. La ventaja de rendimiento de coglasso aumentó a medida que la complejidad y la dimensionalidad del problema aumentaban.
   • Impacto de la Colaboración: En casi todos los casos, las mejores redes se lograron con un parámetro de colaboración $c > 0$, confirmando que el término colaborativo mejora activamente la inferencia.
   • Selección de Modelo: XStARS seleccionó con éxito redes con una recuperación estructural superior (mayor F1 y MCC) en comparación con las redes seleccionadas por el StARS estándar aplicado a glasso.

2. Aplicación a Datos de Privación de Sueño:

   • Conjunto de Datos: Un conjunto de datos multi-ómicos de Diessler et al. (2018) que involucra 162 genes (transcriptómica) y 76 metabolitos (metabolómica) de ratones privados de sueño.
   • Validación Biológica:
     • Basada en el Conocimiento: La red reconstruida recuperó con éxito interacciones conocidas que involucran al gen Cirbp (Proteína de unión a ARN inducida por frío) y proteínas de choque térmico (Hspa5, Hsp90b1), las cuales son conocidas por ser inducidas bajo la privación de sueño. También identificó conexiones entre Cirbp y el triptófano, vinculándolo con la regulación de la serotonina.
     • Impulsada por los Datos: La detección de comunidades identificó un clúster enriquecido con aminoácidos y factores de transcripción de las familias Fos/Jun y Egr. La red recuperó conexiones conocidas entre estos factores de transcripción y aminoácidos específicos (por ejemplo, Fos con leucina, Junb con metionina e histidina), consistente con la literatura de la respuesta a la inanición de aminoácidos (AAR).
   • Novedad: El método sugirió conexiones biológicamente coherentes no validadas explícitamente antes, como el potencial papel regulador de Cirbp en la respuesta a proteínas desplegadas (UPR) durante la privación de sueño.

Significancia y Reivindicaciones
El artículo afirma que coglasso representa una alternativa novedosa y relevante para la reconstrucción de redes multi-ómicas al aprovechar de manera única la naturaleza multi-capa de los datos. Los autores enfatizan que el método integra eficazmente la información a través de las modalidades mientras controla la dispersión tanto dentro como entre capas.

Los autores mantienen una postura modesta respecto a las limitaciones y el trabajo futuro:

• Supuestos: Al igual que los GGM estándar, coglasso se basa en el supuesto de normalidad multivariante, que puede no cumplirse para todos los datos multi-ómicos. Los autores sugieren que futuras extensiones podrían incorporar técnicas basadas en cópulas para abordar esto.
• Alcance: La implementación actual soporta dos capas ómicas, aunque los autores señalan que extenderlo a más de dos capas es una dirección prometedora.
• Comparación: Los autores declaran explícitamente que herramientas populares como MOFA y DIABLO no fueron incluidas en las comparaciones porque sus objetivos primarios (reducción de dimensionalidad y descubrimiento de biomarcadores) difieren de la reconstrucción de redes. Del mismo modo, DRAGON fue excluido debido a la falta de documentación pública disponible.
• Generalizabilidad: Aunque se demostró en datos biológicos, los autores señalan que el método es general y podría aplicarse a otros campos, como la neurociencia, para reconstruir redes de conectividad a partir de datos de fMRI funcional.