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

Sintesi Tecnica: Raffinamento della Co-appartenenza Proteica in Reactome

Definizione del Problema
Nella biologia delle reti, l'approccio della co-appartenenza ai pathway viene comunemente utilizzato per collegare le proteine appartenenti allo stesso pathway proiettandole in un clique (un sottografo completamente connesso). Sebbene efficace per mappare la conoscenza dei pathway sulle proteine, i metodi standard di co-appartenenza non pesati sono inadatti per le applicazioni a valle che si basano sulle distanze nei grafi, come il Random Walk with Restart (RWR). Questi metodi non riescono a distinguere tra proteine funzionalmente molto vicine (ad esempio, all'interno di un sottospecifico pathway) e quelle che fanno semplicemente parte di un ampio pathway generale. Di conseguenza, non riflettono accuratamente la distanza biologica tra le proteine, trattando tutte le interazioni di co-appartenenza come uguali, indipendentemente dalla specificità o dall'organizzazione sequenziale del pathway.

Metodologia
Gli autori propongono un metodo di co-appartenenza ai pathway pesato che incorpora le distanze biologiche tra le proteine sfruttando l'organizzazione gerarchica e le relazioni sequenziali dei pathway di Reactome. La metodologia procede attraverso i seguenti passaggi:

1. Astrazione dei Dati: Utilizzando Reactome versione 96 (formato BioPAX), gli autori hanno sviluppato un framework di astrazione per estrarre due tipi di relazioni dal grafo BioPAX:

   • Composizione Gerarchica: Estratta tramite le relazioni bp3:pathwayComponent, modellata come archi abstraction:IsAComponentOf.
   • Relazioni Sequenziali: Estratte tramite le relazioni bp3:nextStep tra i passi del pathway, modellate come archi abstraction:NextStepPathway (NSP).

2. Sistema di Scoring: Gli autori assegnano pesi a queste astrazioni utilizzando l'Informazione di Contenuto (IC) basata sulle annotazioni proteiche.

   • Punteggio MICA (Gerarchico): Per due pathway connessi da un arco di composizione, il peso è derivato dall'Informazione di Contenuto del loro Antenato Comune Più Informativo (MICA). La formula utilizzata è $IC_{prot}(P) = -\log(\frac{I_{prot}(P)}{I_{prot}(T)})$, dove $I_{prot}(P)$ è il numero di proteine annotate dal pathway $P$ e $I_{prot}(T)$ è il numero totale di proteine nel grafo. I pathway più piccoli e specifici generano punteggi più elevati.
   • Punteggio NSP (Sequenziale): Per i pathway collegati da un arco di sequenza, il peso è calcolato in base all'IC dell'unione delle loro proteine annotate ($P1 \cup P2$).

3. Scoring della Co-appartenenza Proteica:

   • Per ogni coppia di proteine ($p1, p2$), gli autori identificano i rispettivi pathway genitori nel grafo di astrazione.
   • Vengono calcolate due matrici: una per i punteggi MICA e una per i punteggi NSP (considerando gli antenati).
   • Il punteggio finale di co-appartenenza per la coppia di proteine è definito come il massimo del punteggio MICA e del punteggio NSP:
     $$score(p1, p2) = \max(score_{MICA}(P1, P2), score_{NSP}(P1, P2))$$
   • Un punteggio pari a zero indica che le proteine condividono solo il pathway radice senza legami gerarchici o sequenziali specifici.

4. Implementazione: Gli autori hanno pre-calcolato i clique di co-appartenenza pesati per tutti i 29 pathway di alto livello di Reactome e per l'intero database di conoscenza di Reactome (73 milioni di interazioni). Questi sono disponibili su NDEx.

Contributi Chiave

• Framework di Astrazione Pesato: Un nuovo metodo per astrarre i pathway di Reactome in un grafo che cattura sia la gerarchia compositiva che l'ordine sequenziale, assegnando pesi basati sull'informazione di contenuto delle proteine.
• Sistema di Scoring: Un algoritmo di punteggio specifico per coppie di proteine che integra la specificità gerarchica (tramite MICA) e il contesto sequenziale (tramite NSP), andando oltre la semplice co-appartenenza binaria.
• Generazione di Risorse: La generazione e la deposizione pubblica dei clique di co-appartenenza pesati per i 29 pathway di alto livello di Reactome e per l'intero database di conoscenza di Reactome, facilitando l'esplorazione delle interazioni proteiche.
• Benchmarking: Una valutazione completa utilizzando il Random Walk with Restart (RWR) su dieci set di geni caratteristici del cancro (cancer hallmarks), confrontando il metodo proposto con misure di similarità allo stato dell'arte (Cosine, Jaccard) e con i clique non pesati.

Risultati
La valutazione si è concentrata su compiti di prioritizzazione genica utilizzando dieci set di geni caratteristici del cancro (ad esempio, "Tissue invasion and metastasis", "Genome instability").

• Performance: Il metodo pesato proposto (che incorpora sia la gerarchia che la sequenza) ha costantemente ottenuto l'Area Sotto la Curva (AUC) più elevata in tutti i dieci cancer hallmarks negli esperimenti RWR con una bassa probabilità di restart ($r=0.1$), progettati per l'esplorazione della rete a lungo raggio. I valori di AUC variano da 0,78 a 0,90.
• Confronto: Il metodo ha superato i metodi allo stato dell'arte che utilizzano la similarità Cosine (AUC 0,74–0,89) e la similarità Jaccard (AUC 0,67–0,88). I clique non pesati si sono comportati quasi come il caso casuale (AUC 0,55–0,71).
• Analisi dei Componenti:
  • Rimuovendo l'informazione sequenziale (NSP) e facendo affidamento solo sulla gerarchia, si è verificata una leggera diminuzione delle prestazioni (AUC 0,77–0,89), indicando che, sebbene i punteggi NSP costituiscano una piccola frazione del totale dei punteggi (circa lo 0,4% delle interazioni nel clique completo), essi forniscono un valore informativo significativo.
  • Nei compiti di esplorazione del vicinato locale (alta probabilità di restart $r=0.7$), tutti i metodi di pesatura hanno mostrato prestazioni equivalenti, suggerendo che per i vicini stretti, la metrica di pesatura specifica conta meno della topologia generale.

Significatività e Affermazioni
L'articolo afferma che il metodo proposto supera i metodi allo stato dell'arte per la prioritizzazione genica sui cancer hallmarks, specificamente in compiti che richiedono l'esplorazione della rete a lungo raggio. Gli autori sostengono che il loro metodo cattura efficacementamente la "distanza biologica" tra le proteine tenendo conto della specificità dei pathway condivisi e dell'ordine sequenziale dei passi del pathway.

Gli autori sottolineano che, sebbene il contributo dello scoring sequenziale (NSP) alla distribuzione del peso totale sia numericamente piccolo, la sua inclusione porta a miglioramenti misurabili delle prestazioni, convalidando l'importanza di integrare le sequenze dei pathway nella valutazione della co-appartenenza. Il lavoro fornisce una risorsa scalabile e pre-calcolata (disponibile su NDEx) per facilitare l'analisi più accurata delle interazioni proteiche. Gli autori segnalano i limiti riguardanti il costo computazionale della rigenerazione dei clique in seguito agli aggiornamenti di Reactome e la dipendenza dalla ricchezza delle descrizioni BioPAX in altri database di pathway.