文献

J-GLOBAL ID：202202289797434457   整理番号：22A0749685

フィードフォワードループのための強化による現実的な遺伝子調節ネットワークの生成【JST・京大機械翻訳】

Generation of Realistic Gene Regulatory Networks by Enriching for Feed-Forward Loops

著者 (4件)： Zhivkoplias Erik K. (1Department of Biochemistry and Biophysics, Science for Life Laboratory, Stockholm University, Solna, Sweden) ,  Vavulov Oleg (2Bioinformatics Institute, St. Petersburg, Russia) ,  Hillerton Thomas (1Department of Biochemistry and Biophysics, Science for Life Laboratory, Stockholm University, Solna, Sweden) ,  Sonnhammer Erik L. L. (1Department of Biochemistry and Biophysics, Science for Life Laboratory, Stockholm University, Solna, Sweden)
資料名： Frontiers in Genetics (Web)  (Frontiers in Genetics (Web))
巻： 13  ページ： 815692  発行年： 2022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： 細胞における遺伝子と蛋白質間の調節関係は,環境の変化に対する細胞応答を制御する遺伝子調節ネットワーク(GRN)を形成する。大規模表現データから元のGRNをリバースエンジニアリングする多くの推論法が最近開発されている。しかし,性能を評価するときは,地上のGRNの不在は,必要なGRNの現実的なシミュレーションを行う。これの1つの側面は,実際のGRNの局所ネットワークモチーフ解析が,フィードフォワードループ(FFL)がかなり濃縮されていることを示すことである。この適切にシミュレーションするために,著者らは,文献ベースの生物学的GRNにおいて観測されたFFLモチーフ発生を再生する際に,一般的なGeneNetweaverネットワーク生成ツールを凌駕する,新しいモチーフベースの選択的アタッチメントアルゴリズム,FFLattを開発した。また,スケールフリートポロジー,スパース性,およびノードあたりの平均/アウト度のような重要なトポロジー特性も保存する。FFLattは,GRN推論法の公正でロバストな性能評価を提供する目的で,ベンチマークフレームワークのためのネットワーク生成モジュールとしてよく適していると結論した。Copyright 2022 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： 位相幾何学 ,  *ネットワーク ,  生物学 ,  *遺伝子 ,  細胞 ,  タンパク質 ,  *フィードフォワード ,  ネットワーク構造 ,  細胞生理 ,  *遺伝的調節 ,  ローカル回線 ,  ベンチマーク ,  ロバスト性 ,  リバースエンジニアリング
準シソーラス用語： スパース性 ,  細胞応答 ,  スケールフリー ,  *遺伝子調節ネットワーク , 【Automatic Indexing@JST】

著者キーワード (7件)： ネットワーク生物学 ,  遺伝子調節ネットワーク ,  遺伝子-遺伝子相互作用 ,  ネットワークモチーフ構造 ,  ネットワーク生成 ,  ネットワークシミュレーション ,  ベンチマーキング

分類 (1件)： 遺伝子発現  (EC02040Q)

引用文献 (61件)：

• AbdelzaherA. F., Al-MusawiA. F., GhoshP., MayoM. L., PerkinsE. J. (2015b). Transcriptional Network Growing Models Using Motif-Based Preferential Attachment. Front. Bioeng. Biotechnol. 3, 157. doi: 10.3389/fbioe.2015.00157
• AbdelzaherA. F., MayoM. L., PerkinsE. J., GhoshP. (2015a). Contribution of Canonical Feed-Forward Loop Motifs on the Fault-Tolerance and Information Transport Efficiency of Transcriptional Regulatory Networks. Nano Commun. Networks 6, 133-144. doi: 10.1016/j.nancom.2015.04.002
• AhnertS. E., FinkT. M. A. (2016). Form and Function in Gene Regulatory Networks: The Structure of Network Motifs Determines Fundamental Properties of Their Dynamical State Space. J. R. Soc. Interf. 13, 20160179. doi: 10.1098/rsif.2016.0179
• AljadeffJ., SternM., SharpeeT. (2015). Transition to Chaos in Random Networks with Cell-type-Specific Connectivity. Phys. Rev. Lett. 114, 088101. doi: 10.1103/PhysRevLett.114.088101
• AvsecŽ., AgarwalV., VisentinD., LedsamJ. R., Grabska-BarwinskaA., TaylorK. R., et al (2021). Effective Gene Expression Prediction from Sequence by Integrating Long-Range Interactions. Nat. Methods 18, 1196-1203. doi: 10.1038/s41592-021-01252-x

タイトルに関連する用語 (3件)： 強化 ,  現実 ,  遺伝子調節ネットワーク