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

Resumo Técnico: Refinando a Co-membro de Proteínas no Reactome

Definição do Problema
Na biologia de redes, a abordagem de co-membro de vias é comumente usada para ligar proteínas que pertencem à mesma via ao projetá-las em um clique (um subgrafo totalmente conectado). Embora eficaz para mapear o conhecimento de vias para proteínas, os métodos padrão de co-membro não ponderados são mal adequados para aplicações a jusante que dependem de distâncias de grafos, como o passeio aleatório com reinício (RWR - random walk with restart). Esses métodos falham em distinguir entre proteínas que estão funcionalmente próximas (ex: dentro de uma subvia específica) e aquelas que são apenas parte de uma via ampla e geral. Consequentemente, eles não refletem com precisidade a distância biológica entre proteínas, tratando todas as interações de co-membro como iguais, independentemente da especificidade ou organização sequencial da via.

Metodologia
Os autores propõem um método de co-membro de vias ponderado que incorpora distâncias biológicas entre proteínas ao aproveitar a organização hierárquica e as relações sequenciais das vias do Reactome. A metodologia procede através dos seguintes passos:

1. Abstração de Dados: Utilizando o Reactome versão 96 (formato BioPAX), os autores desenvolveram um framework de abstração para extrair dois tipos de relações do grafo BioPAX:

   • Composição Hierárquica: Extraída via relações bp3:pathwayComponent, modelada como arestas abstraction:IsAComponentOf.
   • Relações Sequenciais: Extraídas via relações bp3:nextStep entre etapas de vias, modeladas como arestas abstraction:NextStepPathway (NSP).

2. Sistema de Pontuação: Os autores atribuem pesos a essas abstrações usando Conteúdo de Informação (IC - Information Content) baseado em anotações de proteínas.

   • Pontuação MICA (Hierárquica): Para duas vias conectadas por uma aresta de composição, o peso é derivado do Conteúdo de Informação do Ancestral Comum Mais Informativo (MICA - Most Informative Common Ancestor). A fórmula utilizada é $IC_{prot}(P) = -\log(\frac{I_{prot}(P)}{I_{prot}(T)})$, onde $I_{prot}(P)$ é o número de proteínas anotadas pela via $P$ e $I_{prot}(T)$ é o número total de proteínas no grafo. Vias menores e mais específicas geram pontuações mais altas.
   • Pontuação NSP (Sequencial): Para vias ligadas por uma aresta de sequência, o peso é calculado com base no IC da união de suas proteínas anotadas ($P1 \cup P2$).

3. Pontuação de Co-membro de Proteínas:

   • Para qualquer par de proteínas ($p1, p2$), os autores identificam seus respectivos pais de via no grafo de abstração.
   • Duas matrizes são computadas: uma para pontuações MICA e outra para pontuações NSP (considerando ancestrais).
   • A pontuação final de co-membro para o par de proteínas é definida como o máximo da pontuação MICA e da pontuação NSP:
     $$score(p1, p2) = \max(score_{MICA}(P1, P2), score_{NSP}(P1, P2))$$
   • Uma pontuação zero indica que as proteínas compartilham apenas a via raiz sem ligações hierárquicas ou sequenciais específicas.

4. Implementação: Os autores pré-computaram cliques de co-membro ponderados para todas as 29 vias de nível superior do Reactome e para todo o conhecimento base do Reactome (73 milhões de interações). Estes estão disponíveis no NDEx.

Principais Contribuições

• Framework de Abstração Ponderado: Um novo método para abstrair as vias do Reactome em um grafo que captura tanto a hierarquia composicional quanto a ordem sequencial, atribuindo pesos baseados no conteúdo de informação de proteínas.
• Sistema de Pontuação: Um algoritmo de pontuação específico para pares de proteínas que integra especificidade hierárquica (via MICA) e contexto sequencial (via NSP), indo além da simples co-membro binária.
• Geração de Recursos: A geração e o depósito público de cliques de co-membro ponderados para as 29 vias de nível superior do Reactome e para todo o conhecimento base do Reactome, facilitando a exploração de interações proteicas.
• Avaliação (Benchmarking): Uma avaliação abrangente usando RWR em dez conjuntos de genes de características de câncer (cancer hallmarks), comparando o método proposto com medidas de similaridade de última geração (Cosseno, Jaccard) e cliques não ponderados.

Resultos
A avaliação focou em tarefas de priorização de genes usando dez conjuntos de genes de características de câncer (ex: "Invasão de tecido e metástase", "Instabilidade genômica").

• Desempenho: A abordagem ponderada proposta (incorporando tanto hierarquia quanto sequência) alcançou consistentemente a maior Área Sob a Curva (AUC) em todos os dez cancer hallmarks em experimentos de RWR com uma probabilidade de reinício baixa ($r=0.1$), desenhada para exploração de rede de longo alcance. Os valores de AUC variaram de 0,78 a 0,90.
• Comparação: O método superou métodos de última geração que utilizam similaridade de Cosseno (AUC 0,74–0,89) e similaridade de Jaccard (AUC 0,67–0,88). Cliques não ponderados apresentaram desempenho próximo ao aleatório (AUC 0,55–0,71).
• Análise de Componentes:
  • Remover a informação sequencial (NSP) e depender apenas da hierarquia resultou em uma leve diminuição de desempenho (AUC 0,77–0,89), indicando que, embora as pontuações NSP constituam uma pequena fração das pontuações totais (aprox. 0,4% das interações no clique completo), elas fornecem valor informacional significativo.
  • Em tarefas de exploração de vizinhança local (alta probabilidade de reinício $r=0,7$), todos os métodos de ponderação mostraram desempenho equivalente, sugerindo que, para vizinhos próximos, a métrica de ponderação específica importa menos do que a topologia geral.

Significância e Alegações
O artigo alega que a abordagem proposta supera os métodos de última geração para priorização de genes em características de câncer, especificamente em tarefas que exigem exploração de rede de longo alcance. Os autores argumentam que seu método captura efetivamente a "distância biológica" entre proteínas ao considerar a especificidade das vias que elas compartilham e a ordem sequencial das etapas da via.

Os autores enfatizam que, embora a contribuição das pontuações sequenciais (NSP) para a distribuição de peso total seja numericamente pequena, sua inclusão leva a melhorias mensuráveis no desempenho, validando a importância de integrar sequências de vias na pontuação de co-membro. O trabalho fornece um recurso escalável e pré-computado (disponível no NDEx) para facilitar a análise mais precisa de interações proteicas. Os autores observam limitações relativas ao custo computacional de regenerar os cliques após atualizações do Reactome e à dependência da riqueza das descrições BioPAX em outros bancos de dados de vias.