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

Technische Samenvatting: Verfijning van Eiwit Co-membership in Reactome

Probleemstelling
In de netwerkbiologie wordt de methode van pathway co-membership veelvuldig gebruikt om eiwitten te koppelen die tot dezelfde pathway behoren door ze te projecteren in een clique (een volledig verbonden subgraaf). Hoewel effectief voor het in kaart brengen van pathway-kennis naar eiwitten, zijn standaard ongewogen co-membership-methoden slecht geschikt voor downstream toepassingen die afhankelijk zijn van grafische afstanden, zoals random walks with restart (RWR). Deze methoden slagen er niet in om onderscheid te maken tussen eiwitten die functioneel nauw aan elkaar gerelateerd zijn (bijv. binnen een specifieke sub-pathway) en diegene die slechts deel uitmaken van een brede, algemene pathway. Bijgevolg reflecteren ze de biologische afstand tussen eiwitten niet accuraat, omdat ze alle co-membership-interacties als gelijk behandelen, ongeacht de pathway-specificiteit of sequentiële organisatie.

Methodologie
De auteurs stellen een gewogen pathway co-membership methode voor die biologische afstanden tussen eiwitten incorporeert door gebruik te maken van de hiërarchische organisatie en sequentiële relaties van Reactome-pathways. De methodologie verloopt via de volgende stappen:

1. Data-abstractie: Met behulp van Reactome versie 96 (BioPAX-formaat) hebben de auteurs een abstractiekader ontwikkeld om twee soorten relaties te extraheren uit de BioPAX-graaf:

   • Hiërarchische Compositie: Geëxtraheerd via bp3:pathwayComponent relaties, gemodelleerd als abstraction:IsAComponentOf edges.
   • Sequentiële Relaties: Geëxtraheerd via bp3:nextStep relaties tussen pathway-stappen, gemodelleerd als abstraction:NextStepPathway (NSP) edges.

2. Score-systeem: De auteurs wijzen gewichten toe aan deze abstracties met behulp van Information Content (IC) gebaseerd op eiwitannotaties.

   • MICA Score (Hiërarchisch): Voor twee pathways die verbonden zijn door een compositie-edge, wordt het gewicht afgeleid van de Information Content van de Most Informative Common Ancestor (MICA). De gebruikte formule is $IC_{prot}(P) = -\log(\frac{I_{prot}(P)}{I_{prot}(T)})$, waarbij $I_{prot}(P)$ het aantal eiwitten is dat geannoteerd is door pathway $P$ en $I_{prot}(T)$ het totaal aantal eiwitten in de graaf is. Kleinere, specifiekere pathways leveren hogere scores op.
   • NSP Score (Sequentieel): Voor pathways die verbonden zijn door een sequentie-edge, wordt het gewicht berekend op basis van de IC van de unie van hun geannoteerde eiwitten ($P1 \cup P2$).

3. Eiwit Co-membership Scoring:

   • Voor elk paar eiwitten ($p1, p2$) identificeren de auteurs hun respectieve pathway-ouders in de abstractiegraaf.
   • Er worden twee matrices berekend: één voor MICA-scores en één voor NSP-scores (rekening houdend met voorouders).
   • De uiteindelijke co-membership score voor het eiwitpaar wordt gedefinieerd als de maximumwaarde van de MICA-score en de NSP-score:
     $$score(p1, p2) = \max(score_{MICA}(P1, P2), score_{NSP}(P1, P2))$$
   • Een score van nul geeft aan dat de eiwitten alleen de root-pathway delen zonder specifieke hiërarchische of sequentiële links.

4. Implementatie: De auteurs hebben vooraf gewogen co-membership cliques berekend voor alle 29 Reactome top-level pathways en de gehele Reactome kennisbank (73 miljoen interacties). Deze zijn beschikbaar op NDEx.

Kernbijdragen

• Gewogen Abstractiekader: Een nieuwe methode om Reactome-pathways te abstraheren naar een graaf die zowel de compositionele hiërarchie als de sequentiële orde vastlegt, waarbij gewichten worden toegewezen op basis van eiwit-informatiegehalte.
• Scoring Systeem: Een specifiek scoring-algoritme voor eiwitparen dat zowel hiërarchische specificiteit (via Mতা) als sequentiële context (via NSP) integreert, waarmee verder wordt gegaan dan eenvoudige binaire co-membership.
• Resource Generatie: De generatie en publieke depositie van gewogen co-membership cliques voor de 29 Reactome top-level pathways en de gehele Reactome kennisbank, wat de exploratie van eiwitinteracties vergemakkelijkt.
• Benchmarking: Een uitgebreide evaluatie met behulp van Random Walk with Restart (RWR) op tien cancer hallmark gen-sets, waarbij de voorgestelde methode wordt vergeleken met state-of-the-art gelijkenismaten (Cosine, Jaccard) en ongewogen cliques.

Resultaten
De evaluatie richtte zich op gen-prioritiseringstaken met behulp van tien cancer hallmark gen-sets (bijv. "Tissue invasion and metastasis", "Genome instability").

• Prestaties: De voorgestelde gewogen aanpak (die zowel hiërarchie als sequentie incorporeert) behaalde consistent de hoogste Area Under the Curve (AUC) over alle tien de cancer hallmarks in RWR-experimenten met een lage restart-waarschijnlijkheid ($r=0.1$), ontworpen voor langetermijn netwerkexploratie. De AUC-waarden varieerden van 0.78 tot 0.90.
• Vergelijking: De methode presteerde beter dan state-of-the-art methoden die Cosine similarity (AUC 0.74–0.89) en Jaccard similarity (AUC 0.67–0.88) gebruiken. Ongewogen cliques presteerden dicht bij willekeurig (AUC 0.55–0.71).
• Component Analyse:
  • Het verwijderen van sequentiële informatie (NSP) en het uitsluitend vertrouwen op hiërarchie resulteerde in een lichte daling in prestaties (AUC 0.77–0.89), wat aangeeft dat hoewel NSP-scores een klein deel van de totale scores vormen (ongeveer 0.4% van de interacties in de volledige clique), ze aanzienlijke informatieve waarde bieden.
  • Bij taken voor lokale buurtverkenning (hoge restart-waarschijnlijkheid $r=0.7$) vertoonden alle wegingsmethoden een equivalente prestatie, wat suggereert dat voor nabije buren de specifieke weegingsmetriek er minder toe doet dan de algemene topologie.

Betekenis en Claims
Het artikel claimt dat de voorgestelde aanpak state-of-the-art methoden voor gen-prioritisering op cancer hallmarks overtreft, specifiek in taken die langetermijn netwerkexploratie vereisen. De auteurs stellen dat hun methode de "biologische afstand" tussen eiwitten effectief vastlegt door rekening te houden met de specificiteit van de gedeelde pathways en de sequentiële orde van pathway-stappen.

De auteurs benadrukken dat hoewel de bijdrage van sequentiële (NSP) scores numeriek klein is aan de totale gewichtsverdeling, de inclusie ervan leidt tot meetbare verbeteringen in prestaties, wat de belangrijkheid van het integreren van pathway-sequenties in co-membership scoring valideert. Het werk biedt een schaalbare, vooraf berekende resource (beschikbaar op NDEx) om nauwkeurigere eiwitinteractie-analyse in Reactome-gebaseerde studies te faciliteren. De auteurs merken beperkingen op met betrekking tot de computationele kosten van het opnieuw genereren van cliques bij Reactome-updates en de afhankelijkheid van de rijkdom aan BioPAX-beschrijvingen in andere pathway-databases.