Моделирование коэкспрессионных генных сетей и сетей сплайсинга методом glasso

С развитием новых методов высокопроизводительного секвенирования появилась возможность одновременно оценить уровни экспрессии десятков тысяч человеческих генов. Одним из методов анализа и интерпретации таких данных является построение генных сетей. Вершинами в данной сети являются гены, а ребрами – ассоциации между уровнями экспрессии генов. Правильно построенная генная сеть дает более глубокое понимание регуляторной системы транскрипции и сложных биологических процессов. С другой стороны, генные сети отражают совместное изменение уровней экспрессии генов, т.е., связи между генами в коэкспрессионной сети не являются физическими, в отличие от сетей белок-белковых взаимодействий. При работе с геномными данными часто возникает проблема значительного превосходства числа признаков над числом наблюдений. Количество кодирующих генов в геноме человека в настоящее время оценивается как 20000, тогда как количество наблюдений в разы меньше. Среди множества методов, разработанных для решения обозначенной проблемы, для построения сетей в данной работе был использован метод glasso. В этом методе генная сеть моделируется как разреженный граф, полученный из обратной ковариационной матрицы многомерного нормального распределения. Нулевой элемент в обратной ковариационной матрице говорит об отсутствии ребра между парой вершин в соответствующей графической модели. Для анализа качества метода glasso, мы симулировали выборки различного размера из различных распределений. Мы оценили точность glasso для графов разной топологии (случайный граф, масштабно-инвариантный граф), а также для двудольных графов, которые моделируют сети сплайсинга. Мы применили метод glasso для построения коэкспрессионных генных сетей и сетей сплайсинга, используя данные GTEx. Построенные сети выявили хабы среди факторов сплайсинга (RPS13, YBX1, DDX17, DDX5, HSPA8, NPM1, SNRNP70, HNRNPA2B1, PABPC1), имеющие наибольшее число связей с экзонами, что позволяет предположить регуляторную функцию для этих факторов.