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

तकनीकी सारांश: रिएक्टोम (Reactome) में प्रोटीन सह-सदस्यता का परिशोधन

समस्या विवरण
नेटवर्क जीव विज्ञान में, पाथवे सह-सदस्यता (pathway co-membership) दृष्टिकोण का उपयोग आमतौर पर एक क्लिक (एक पूर्णतः जुड़े उपग्राफ) में शामिल प्रोटीनों को जोड़ने के लिए किया जाता है। हालांकि यह मैपिंग के लिए प्रभावी है, लेकिन मानक अनवेटेड (unweighted) सह-सदस्यता विधियाँ उन डाउनस्ट्रीम अनुप्रयोगों के लिए उपयुक्त नहीं हैं जो ग्राफ दूरियों (graph distances) पर निर्भर करते हैं, जैसे कि रिस्टार्ट के साथ रैंडम वॉक विद रिस्टार्ट (RWR)। ये विधियाँ उन प्रोटीनों के बीच अंतर करने में विफल रहती हैं जो कार्यात्मक रूप से बहुत करीब हैं (जैसे, एक विशिष्ट उप-पाथवे के भीतर) और वे जो केवल एक व्यापक, सामान्य पाथवे का हिस्सा हैं। फलस्वरूप, वे जैविक दूरी को सटीक रूप से प्रतिबिंबित नहीं करती हैं, क्योंकि वे सभी सह-सदस्यता इंटरैक्शन को समान मानती हैं, चाहे पाथवे की विशिष्टता या क्रमिक संगठन कुछ भी हो।

कार्यप्रणाली
लेखक एक वेटेड पाथवे सह-सदस्यता विधि प्रस्तावित करते हैं जो रिएक्टोम पाथवे के पदानुक्रमित संगठन (hierarchical organization) और क्रमिक संबंधों (sequential relationships) का लाभ उठाकर प्रोटीनों के बीच जैविक दूरियों को शामिल करती है। यह कार्यप्रणाली निम्नलिखित चरणों के माध्यम से आगे बढ़ती है:

1. डेटा एब्स्ट्रैक्शन (Data Abstraction): रिएक्टोम संस्करण 96 (BioPAX फॉर्मेट) का उपयोग करते हुए, लेखकों ने बायोपैक्स (BioPAX) ग्राफ से दो प्रकार के संबंधों को निकालने के लिए एक एब्स्ट्रैक्शन फ्रेमवर्क विकसित किया:

   • पदानुक्रमित संरचना (Hierarchical Composition): इसे bp3:pathwayComponent संबंधों के माध्यम से निकाला गया, जिसे abstraction:IsAComponentOf किनारों (edges) के रूप में मॉडल किया गया है।
   • क्रमिक संबंध (Sequential Relationships): इसे पाथवे स्टेप्स के बीच bp3:nextStep संबंधों के माध्यम से निकाला गया, जिसे abstraction:NextStepPathway (NSP) किनारों के रूप में मॉडल किया गया है।

2. स्कोरिंग सिस्टम: लेखक इन एब्स्ट्रैक्शंस को प्रोटीन एनोटेशन के आधार पर इन्फॉर्मेशन कंटेंट (IC) का उपयोग करके वेट (weights) प्रदान करते हैं।

   • MICA स्कोर (पदानुक्रमित): दो पाथवे जो एक कंपोजिशन एज द्वारा जुड़े हुए हैं, उनके लिए वेट उनके मोस्ट इन्फॉर्मेटिव कॉमन एंसेस्टर (MICA) के इन्फॉर्मेशन कंटेंट से प्राप्त किया जाता है। उपयोग किया गया फॉर्मूला है $IC_{prot}(P) = -\log(\frac{I_{prot}(P)}{I_{prot}(T)})$, जहाँ $I_{prot}(P)$ पाथवे $P$ द्वारा एनोटेट किए गए प्रोटीनों की संख्या है और $I_{prot}(T)$ ग्राफ में कुल प्रोटीनों की संख्या है। छोटे, अधिक विशिष्ट पाथवे उच्च स्कोर प्रदान करते हैं।
   • NSP स्कोर (क्रमिक): अनुक्रमित किनारों द्वारा जुड़े पाथवे के लिए, वेट उनके एनोटेटेड प्रोटीनों के यूनियन ($P1 \cup P2$) के IC के आधार पर गणना किया जाता है।

3. प्रोटीन सह-सदस्यता स्कोरिंग:

   • किसी भी प्रोटीन युग्म ($p1, p2$) के लिए, लेखक एब्स्ट्रैक्शन ग्राफ में उनके संबंधित पाथवे पैरेंट्स की पहचान करते हैं।
   • दो मैट्रिक्स की गणना की जाती है: एक MICA स्कोर के लिए और एक NSP स्कोर (पूर्वजों को ध्यान में रखते हुए) के लिए।
   • प्रोटीन युग्म के लिए अंतिम सह-सदस्यता स्कोर अधिकतम (maximum) के रूप में परिभाषित किया जाता है:
     $$score(p1, p2) = \max(score_{MICA}(P1, P2), score_{NSP}(P1, P2))$$
   • शून्य का स्कोर इंगित करता है कि प्रोटीन केवल रूट पाथवे साझा करते हैं बिना किसी विशिष्ट पदानुक्रमित या क्रमिक लिंक के।

4. कार्यान्वयन: लेखकों ने सभी 29 रिएक्टोम टॉप-लेवल पाथवे और संपूर्ण रिएक्टोम नॉलेज बेस (73 मिलियन इंटरैक्शन) के लिए वेटेड सह-सदस्यता क्लिक्स को प्री-कंप्यूट किया है। ये NDEx पर उपलब्ध हैं।

प्रमुख योगदान

• वेटेड एब्स्ट्रैक्शन फ्रेमवर्क: एक नवीन विधि जो रिएक्टोम पाथवे को एक ऐसे ग्राफ में एब्स्ट्रैक्ट करती है जो प्रोटीन सूचना सामग्री के आधार पर भार सौंपते हुए, संरचनात्मक पदानुक्रम और क्रमिक क्रम दोनों को कैप्चर करती है।
• स्कोरिंग सिस्टम: एक विशिष्ट स्कोरिंग एल्गोरिदम जो प्रोटीन युग्मों के लिए पदानुक्रमित विशिष्टता (MICA के माध्यम से) और क्रमिक संदर्भ (NSP के माध्यम से) को एकीकृत करता है, जो साधारण बाइनरी सह-सदस्यता से आगे बढ़ता है।
• संसाधन निर्माण: 29 रिएक्टोम टॉप-लेवल पाथवे और संपूर्ण रिएक्टोम नॉलेज बेस के लिए वेटेड सह-सदस्यता क्लिक्स का निर्माण और सार्वजनिक जमा, जो प्रोटीन इंटरैक्शन के अन्वेषण को सुगम बनाता है।
• बेंचमार्किंग: दस कैंसर हॉलमार्क जीन सेट्स पर प्रपोज्ड मेथड की स्टेट-ऑफ-द-आर्ट समानता मापों (Cosine, Jaccard) और अनवेटेड क्लिक्स के विरुद्ध 'रैंडम वॉक विद रिस्टार्ट' (RWR) का उपयोग करके एक व्यापक मूल्यांकन।

परिणाम
मूल्यांकन दस कैंसर हॉलमार्क जीन सेट्स (जैसे, "Tissue invasion and metastasis," "Genome instability") का उपयोग करके जीन प्रायोरिटीज़ेशन कार्यों पर केंद्रित था।

• प्रदर्शन: प्रस्तावित वेटेड दृष्टिकोण (जो पदानुक्रम और अनुक्रम दोनों को शामिल करता है) ने लॉन्ग-रेंज नेटवर्क एक्सप्लोरेशन के लिए डिज़ाइन किए गए कम रिस्टार्ट प्रोबेबिलिटी ($r=0.1$) वाले RWR प्रयोगों में सभी दस कैंसर हॉलमार्क्स में लगातार उच्चतम एरिया अंडर द कर्व (AUC) प्राप्त किया। AUC मान 0.78 से 0.90 के बीच रहे।
• तुलना: इस पद्धति ने कोसाइन सिमिलरिटी (AUC 0.74–0.89) और जैकार्ड सिमिलरिटी (AUC 0.67–0.88) का उपयोग करने वाली स्टेट-ऑफ-द-आर्ट विधियों को पीछे छोड़ दिया। अनवेटेड क्लिक्स रैंडम के करीब प्रदर्शन करते थे (AUC 0.55–0.71)।
• कंपोनेंट विश्लेषण:
  • क्रमिक जानकारी (NSP) को हटाने और केवल पदानुक्रम पर निर्भर रहने से प्रदर्शन में मामूली गिरावट (AUC 0.77–0.89) आई, जो यह दर्शाता है कि हालांकि NSP स्कोर पूर्ण क्लिक के कुल इंटरैक्शन का एक छोटा हिस्सा (लगभग 0.4%) है, वे महत्वपूर्ण सूचनात्मक मूल्य प्रदान करते हैं।
  • स्थानीय पड़ोस अन्वेषण कार्यों (उच्च रिस्टार्ट प्रोबेबिलिटी $r=0.7$) के लिए, सभी वेटेड विधियों ने समान प्रदर्शन दिखाया, जिससे पता चलता है कि करीबी पड़ोसियों के लिए, विशिष्ट वेटिंग मेट्रिक सामान्य टोपोलॉजी की तुलना में कम महत्वपूर्ण है।

महत्व और दावे
यह पेपर दावा करता है कि प्रस्तावित दृष्टिकोण कैंसर हॉलमार्क्स के लिए जीन प्रायोरिटीज़ेशन हेतु स्टेट-ऑफ-द-आर्ट विधियों से बेहतर प्रदर्शन करता है, विशेष रूप से उन कार्यों में जिनमें लॉन्ग-रेंज नेटवर्क एक्सप्लोरेशन की आवश्यकता होती है। लेखक तर्क देते हैं कि उनकी विधि उनके द्वारा साझा किए गए पाथवे की विशिष्टता और पाथवे स्टेप्स के क्रमिक क्रम को ध्यान में रखते हुए प्रोटीनों के बीच "जैविक दूरी" को प्रभावी ढंग से कैप्चर करती है।

लेखक इस बात पर जोर देते हैं कि हालांकि कुल वेट वितरण में क्रमिक (NSP) स्कोर का संख्यात्मक योगदान कम है, फिर भी उनका समावेश प्रदर्शन में मापने योग्य सुधार लाता है, जो पाथवे अनुक्रमों को सह-सदस्यता स्कोरिंग में एकीकृत करने के महत्व को प्रमाणित करता है। यह कार्य रिएक्टोम-आधारित अध्ययनों में अधिक सटीक प्रोटीन इंटरैक्शन विश्लेषण को सुगम बनाने के लिए एक स्केलेबल, प्री-कंप्यूटेड संसाधन (NDEx पर उपलब्ध) प्रदान करता है। लेखक रिएक्टोम अपडेट होने पर क्लिक्स को पुन: उत्पन्न करने की कम्प्यूटेशनल लागत और अन्य पाथवे डेटाबेस में बायोपैक्स (BioPAX) विवरणों की समृद्धि पर निर्भरता के संबंध में सीमाओं को भी नोट करते हैं।