ProcessNets: Towards an efficient approach for ensemble analysis of biological networks

現代の生物学という広大な風景の中で、科学者たちは生命を単なる分子の集合体としてではなく、つながりの網（ウェブ）として捉えることを学んできました。すべての建物が遺伝子であり、建物の間の道路がそれらがどのように互いに通信しているかを表している都市を想像してみてください。研究者がこれらの道路をマッピングするとき、彼らはネットワーク、つまりその都市がどのように機能しているかの図を作成することになります。長年、焦点はしばしば、ある一つの条件下における一つの完璧な都市の地図を描くことに置かれてきました。しかし、生命はそれほど単純ではありません。一人の人間が、どの細胞が活性化しているか、どのような環境要因が存在するか、あるいはデータがどのように収集されたかに応じて、数千もの異なるバージョンのこの地図を持っている可能性があります。システムを真に理解するためには、科学者はこれら数千の地図を一緒に研究し、グループとして見たときにのみ現れるパターンを探し出す必要があります。後期統合（late integration）として知られるこのアプローチは、各地図のユニークな詳細を保持しながら、より広範な比較を可能にします。しかし、新たな問題が生じています。それは、データの膨大な量です。大規模なプロジェクトが現在、これら数千もの複雑な生物学的ネットワークを生成しており、それらを一つずつ分析するために必要なコンピュータは限界に達しています。計算には非常に長い時間がかかるため、洞察が遅れ、また、これらすべての地図を保持するために必要なストレージ容量も圧倒的なものになりつつあります。

インド工科大学マドラス校の研究チームは、このボトルネックに対処するための新しい方法を提案しました。彼らは「ProcessNets」と呼ぶ手法です。すべての生物学的ネットワークを完全に独立した別々のタスクとして扱うのではなく、彼らのアプローチは、これらのネットワークがしばしば他人ではなく、いとこ同士であることを認識しています。これらはすべて同じ生物学的システムに由来するため、多くの構造を共有しているのです。研究者たちは、もし似たような地図のファミリーがあるなら、ファミリーのメンバー一人ひとりのために地図全体を書き直す必要はないことに気づきました。共通の土台を一度描き、その後、それぞれのバリエーションに対する小さな変化を単に記録すればよいのです。これを実現するために、彼らは「nc-tree」と呼ぶ新しいデータの整理方法を考案しました。この構造を、ネットワークの家系図と考えてみてください。一番下の根（ルート）には、グループ全体で共有されているすべての接続を含む単一のネットワークが位置します。枝を辿って先端に向かって進むにつれ、ネットワークは進化していきます。各ステップでは、特定のバージョンのネットワークに現れる新しい接続のみが追加されます。これにより、数千のネットワークのコレクション全体を、通常必要とされる量のわずかな割合のスペースで保存できます。なぜなら、共有部分は何度も繰り返されないからです。

研究者たちは、様々なヒト組織からの遺伝子活動マップを含む、GTEx（Genotype-Tissue Expression）プロジェクトからの膨大な実世界のデータを用いて、このアイデアのテストを行いました。彼らは、コンピュータがゼロから各ネットワークの特性を計算する標準的な方法と比較しました。結果は驚くべきものでした。ネットワーク同士が似ている場合、新しいシステムは大幅に高速でした。あるケースでは、従来のメソッドよりも4倍近く速く計算を完了しました。また、膨大なストレージ容量を節約しました。特定のネットワークグループにおいて、新しいメソッドは古いアプローチが必要としたディスク容量のわずか8分の1しか必要としませんでした。この効率性は、単に時間やコストを節約することだけではありません。これは、科学者が以前は可能ではなかったほど大規模なデータグループを分析することを可能にし、より遅く、効率の低い手法によるノイズの中に隠されていた微細な生物学的パターンを明らかにする可能性を秘めています。

しかし、この研究は、このスピードアップがあらゆる状況における魔法の解決策ではないことも明らかにしました。この手法は、ネットワークが互いに類似していることに大きく依存しています。研究者が非常に異なるネットワークのグループに対してシステムをテストしたところ、その利点は消失し、新しいメソッドは標準的なアプローチよりも時間がかかることがありました。これは、ネットワークがあまりに異なると、土台となる共通の基礎がほとんど存在せず、結局のところ、システムはほぼすべての接続を個別に処理しなければならないことになるため、理にかなっています。また、研究者たちは、この恩恵が実行される計算の具体的な種類にも依存することを発見しました。単一の点がどれだけの接続を持っているかを数えるような指標については、新しいメソッドは一貫して高速でした。一方で、ネットワーク全体における位置に基づいたノードの重要性を計算するような指標については、ネットワークが非常に大きく、かつ高密度である場合にのみ、スピードアップが見られました。

この研究は、生物学におけるビッグデータの扱い方の転換を示唆しています。コンピュータを速くしたり、個別のタスクのためのより優れたアルゴリズムを書いたりすることではなく、解決策はデータ自体の間の関係を理解することにあります。ネットワーク間の自然な類似性を反映した構造にデータを整理することで、研究者たちは冗長な作業を回避することができました。彼らは、現代のバイオバンクによって生成される大規模で類似したデータセットに対して、よりスマートな計算方法があることを示しました。彼らの知見は、データの山に溺れている科学者に実用的な道筋を提供しており、反復的な計算の山を、管理可能な更新のストリームへと変えるツールを提供しています。この手法には限界があり、データが一貫している場合に最も効果を発揮しますが、生物学的システムを以前では到達不可能だったスケールで分析するための扉を開き、ビッグデータの課題を、より深い発見への機会へと変えてくれるのです。