文献

J-GLOBAL ID：201902231335468852   整理番号：19A2290626

異種ネットワーク上の高速行列完備化による潜在性疾患-lncRNA関連性の推論【JST・京大機械翻訳】

Inferring Latent Disease-lncRNA Associations by Faster Matrix Completion on a Heterogeneous Network

著者 (6件)： Li Wen (1College of Information Science and Engineering, Hunan University, Changsha, China) ,  Wang Shulin (1College of Information Science and Engineering, Hunan University, Changsha, China) ,  Xu Junlin (1College of Information Science and Engineering, Hunan University, Changsha, China) ,  Mao Guo (1College of Information Science and Engineering, Hunan University, Changsha, China) ,  Tian Geng (2Geneis Beijing Co., Ltd., Beijing, China) ,  Yang Jialiang (2Geneis Beijing Co., Ltd., Beijing, China)
資料名： Frontiers in Genetics (Web)  (Frontiers in Genetics (Web))
巻： 10  ページ： 769  発行年： 2019年 
JST資料番号： U7071A  ISSN： 1664-8021  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 現在の研究は,長い非コードRNA(lncRNA)が複雑なヒト疾患に関連する様々な基本的生物学的過程において重要な役割を果たすことを示している。潜在性疾患-lncRNA関連の予測は,lncRNAのレベルにおける複雑なヒト疾患の病因を理解するのを助けることができる。それは,疾患バイオマーカーの検出,および疾患の診断,治療,予後および予防にも寄与する。それにもかかわらず,潜在性疾患-lncRNA関連を正確に同定することは依然として挑戦的で緊急の課題である。生物学的実験に基づいて潜在的リンクを発見することは,時間がかかり無駄であり,計算予測モデルの開発を必要とする。本研究では,計算予測モデルを,評価行列における未知項目を補完することにより,推薦システムの行列完了フレームワークとして再モデル化した。潜在的疾患-lncRNA関連予測(FRMCLDA)のためのより速いランダム化マトリックス完了と名付けた新規方法を,不均一二分子層ネットワーク上の改良ランダム化部分SVD(rSVD-BKI)により提案した。最初に,相関データ源と実験的に検証された病気とlncRNAの情報を統合し,不均一二層ネットワークを構築した。次に,統合された不均一二分子層ネットワークを,不確実な疾患-lncRNA関連がブランク項目と呼ばれる,lncRNA類似性マトリックス,疾患類似性マトリックス,および疾患-lncRNA関連マトリックスを含む包括的隣接マトリックスとして定式化することができる。次に,元の隣接行列に近似する行列を,ブランクアイテムを検索するために予測スコアを用いて設計した。近似行列の構築は,核ノルム最小化により等価的に解くことができた。最後に,新しい部分空間再利用技術を組み合わせたランダム化部分SVDによるより速い特異値閾値化アルゴリズムを,隣接行列を完成するために利用した。3つの異なるベンチマークデータベースに関するleave-one-out交差検証(LOOCV)実験および5倍交差検証(5倍CV)実験の結果は,疾患-lncRNA対の潜在的関係の推定におけるFRMCLDAの利用可能性および適応性を確認し,lncRNAの推定において,以前の相互作用情報なしに新しい疾患と相関した。さらに,症例研究は,FRMCLDAが3つの広範な悪性腫瘍,前立腺癌,結腸癌,および胃癌と相関した潜在的lncRNAを効果的に予測できることを示した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  *高速度 ,  近似法 ,  アルゴリズム ,  データベース ,  事例研究 ,  予測モデル ,  *ネットワーク ,  不確実性 ,  類似性 ,  病因 ,  予測 ,  バイオマーカー
準シソーラス用語： スコア ,  *非翻訳長鎖RNA , 【Automatic Indexing@JST】

著者キーワード (6件)： 異種二重層ネットワーク ,  関連予測 ,  行列完備化 ,  より速いSVT ,  ランダム化部分SVD ,  類似性測定

分類 (3件)： 遺伝学研究法  (EC01020N) ,  分子・遺伝情報処理  (JE15040B) ,  遺伝的変異  (EC01030Y)

引用文献 (38件)：

• Aken B. L., Ayling S., Barrell D., Clarke L., Curwen V., Fairley S., et al. (2016). The ensembl gene annotation system. Database (Oxford) 1-19 2016. doi: doi: 10.1093/database/baw093
• Ba-Alawi W., Soufan O., Essack M., Kalnis P., Bajic V. B. (2016). DASPfind: new efficient method to predict drug-target interactions. J. Cheminf. 8, 15. doi: doi: 10.1186/s13321-016-0128-4
• Bian E. B., Li J., Xie Y. S., Zong G., Li J., Zhao B. (2015). LncRNAs: new players in gliomas, with special emphasis on the interaction of lncRNAs with EZH2. J. Cell. Physiol. 230, 496-503. doi: doi: 10.1002/jcp.24549
• Cai J. F., Candes E. J., Shen Z. (2008). A singular value thresholding algorithm for matrix completion. SIAM J. Optim. 20, 1956-1982. doi: doi: 10.1137/080738970
• Candès E. J., Recht B. (2009). Exact matrix completion via convex optimization. Found. Comput. Math. 9, 717. doi: doi: 10.1007/s10208-009-9045-5

タイトルに関連する用語 (7件)： 異種ネットワーク ,  行列 ,  潜在性 ,  疾患 ,  lncRNA ,  関連性 ,  推論