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

技術要約：Reactomeにおけるタンパク質共メンバーシップの精緻化

問題提起
ネットワーク生物学において、パスウェイの共メンバーシップ（co-membership）アプローチは、パスウェイに属するタンパク質をクリーク（完全連結部分グラフ）へと投影することで、それらを結びつける手法として一般的に用いられている。この手法は、パスウェイの知識をタンパク質にマッピングする上では効果的であるが、標準的な非重み付きの共メンバーシップ手法は、ランダムウォーク・ウィズ・リスタート（RWR）のようなグラフ距離に依存するダウンストリームのアプリケーションには適していない。これらの手法は、機能的に密接に関連しているタンパク質（例：特定のサブパスウェイ内にあるもの）と、単に広範で一般的なパスウェイの一部であるだけのタンパク質を区別できない。その結果、共メンバーシップの相互作用が、パスウェイの特異性や逐次的構成に関わらず、すべて等価として扱われてしまい、生物学的距離を正確に反映することができない。

手法
著者らは、Reactomeパスウェイの階層構造と逐次的関係を活用することで、タンパク質間の生物学的距離を組み込んだ重み付きパスウェイ共メンバーシップ手法を提案している。本手法は以下のステップで進行する：

1. データの抽象化： Reactome バージョン96（BioPAX形式）を用い、BioPAXグラフから2種類の関係性を抽出する抽象化フレームワークを開発した。

   • 階層的組成： bp3:pathwayComponent 関係を通じて抽出され、abstraction:IsAComponentOf エッジとしてモデル化される。
   • 逐次的関係： パスウェイのステップ間の bp3:nextStep 関係を通じて抽出され、abstraction:NextStepPathway (NSP) エッジとしてモデル化される。

2. スコアリングシステム： 著者らは、タンパク質アノテーションに基づく**情報量（Information Content; IC）**を用いて、これらの抽象化に重みを割り当てる。

   • MICA スコア（階層的）： 組成エッジによって接続された2つのパスウェイについて、重みは「最も情報量の多い共通祖先（Most Informative Common Ancestor; MICA）」のICから導出される。使用される式は $IC_{prot}(P) = -\log(\frac{I_{prot}(P)}{I_{prot}(T)})$ である。ここで、$I_{prot}(P)$ はパスウェイ $P$ によってアノテーションされたタンパク質の数、$I_{prot}(T)$ はグラフ内の全タンパク質量である。より小さく、より特異的なパスウェイほど、高いスコアが得られる。
   • NSP スコア（逐次的）： シーケンスエッジによって接続されたパスウェイに対して、重みはそれらがアノテーションしているタンパク質の和集合（$P1 \cup P2$）のICに基づいて計算される。

3. タンパク質共メンバーシップ・スコアリング：

   • タンパク質のペア（$p1, p2$）ごとに、抽象化グラフにおけるそれぞれのパスウェイの親を特定する。
   • 2つの行列を計算する：一つはMICAスコア用、もう一つは（祖先を考慮した）NSPスコア用である。
   • タンパク質ペアの最終的な共メンバーシップスコアは、MICAスコアとNSPスコアの最大値として定義される：
     $$score(p1, p2) = \max(score_{MICA}(P1, P2), score_{NSP}(P1, P2))$$
   • スコアがゼロであることは、それらのタンパク質が特定の階層的または逐次的なつながりを持たず、ルートパスウェイのみを共有していることを示す。

4. 実装： 著者らは、29個のReactomeトップレベルパスウェイおよびReactomeナレッジベース全体（7,300万の相互作用）について、重み付き共メンバーシップ・クリークを事前計算した。これらはNDEx上で利用可能である。

主な貢献

• 重み付き抽象化フレームワーク： パスウェイの組成的な階層性と逐次的な順序の両方を捉えるグラフへとReactomeパスウェイを抽象化し、タンパク質情報量に基づいた重みを割り当てる新しい手法。
• スコアリングシステム： 階層的な特異性（MICA経由）と逐次的な文脈（NSP経由）を統合し、単純なバイナリの共メンバーシップを超えた、タンパク質ペアのための具体的なスコアリングアルゴリズム。
• リソース生成： 29個のReactomeトップレベルパスウェイおよびReactomeナレッジベース全体の重み付き共メンバーシップ・クリークを生成し、公開デポジトリに登録したことで、タンパク質相互作用の探索を容易にした。
• ベンチマーク： 10個の癌ホールマーク遺伝子セットを用い、ランダムウォーク・ウィズ・リスタート（RWR）による包括的な評価を行い、提案手法を最先端の類似度尺度（Cosine、Jaccard）および非重み付きクリークと比較した。

結果
評価は、10個の癌ホールマーク遺伝子セット（例：「組織浸潤および転移」、「ゲノム不安定性」）を用いた遺伝子優先順位付けタスクに焦点を当てて行われた。

• 性能： 提案された重み付きアプローチ（階層とシーケンスの両方を組み込んだもの）は、長距離のネットワーク探索を目的とした低リスタート確率（$r=0.1$）のRWR実験において、10個の癌ホールマークすべてで一貫して最高のAUCを達成した。AUC値は0.78から0.90の範囲であった。
• 比較： 本手法は、Cosine類似度（AUC 0.74–0.89）およびJaccard類似度（AUC 0.67–0.88）を用いた最先端の手法を上回った。非重み付きクリークは、ランダムに近い性能であった（AUC 0.55–0.71）。
• コンポーネント分析：
  • 逐次的情報（NSP）を除去し、階層のみに依存した場合、性能はわずかに低下した（AUC 0.77–0.89）。これは、NSPスコアが全スコアの重み分布の中で占める割合は数値的には小さい（フルクリークにおける相互作用の約0.4%）ものの、重要な情報価値を提供していることを示している。
  • 近傍探索タスク（高リスタート確率 $r=0.7$）においては、すべての重み付け手法が同等の性能を示した。これは、近傍においては、特定の重み付け指標よりも一般的なトポロジーの方が重要であることを示唆している。

意義および主張
本論文は、提案されたアプローチが、癌ホールマークにおける遺伝子優先順位付けにおいて、長距離のネットワーク探索を必要とするタスクにおいて最先端の手法を凌駕すると主張している。著者らは、提案手法が、共有するパスウェイの特異性とパスウェイステップの逐次的順序を考慮することで、タンパク質間の「生物学的距離」を効果的に捉えていると論じている。

著者らは、逐次的（NSP）スコアの総重量への寄与は数値的には小さいものの、その包含が性能の測定可能な向上につながることを強調しており、これによりパスウェイシーケンスを共メンバーシップ・スコアリングに統合することの重要性が検証されたとしている。本研究は、Reactomeベースの研究における、より正確なタンパク質相互作用解析を促進するための、スケーラブルで事前計算済みのリソース（NDExで利用可能）を提供するものである。また、Reactomeの更新に伴うクリークの再生成にかかる計算コストや、他のパスウェイデータベースにおけるBioPAX記述の豊かさへの依存性についても限界として述べている。