高盼盼　王寧　周雪忠　劉光明　王惠欣

摘要：鑒于網(wǎng)絡(luò)醫(yī)學(xué)中尚未有對疾病分類與功能蛋白模塊功能同質(zhì)性分析之間關(guān)系的研究，展開以下研究工作：首先，利用Mesh、String9等數(shù)據(jù)庫中的數(shù)據(jù)構(gòu)建了基因關(guān)系網(wǎng)絡(luò)；其次，采用基于優(yōu)化模塊度的模塊劃分方法（如BGLL、非負(fù)矩陣分解（NMF）等聚類算法）對基因關(guān)系網(wǎng)絡(luò)進(jìn)行了劃分；再次，對劃分出來的模塊進(jìn)行了GO富集分析，通過對高致病拓?fù)淠K和低致病拓?fù)淠K的GO富集分析的比較，發(fā)現(xiàn)了疾病分類和蛋白模塊功能特性在生物過程、細(xì)胞組分、分子功能等方面存在重要的生物學(xué)提示；最后，分析了疾病分類的拓?fù)淠K的功能特性，通過對網(wǎng)絡(luò)拓?fù)湫再|(zhì)如平均度、密度、平均最短路徑長度等方面的分析得到了各模塊的功能特點數(shù)據(jù)，進(jìn)一步揭示了疾病分類和功能模塊之間的相關(guān)關(guān)系。

關(guān)鍵詞：網(wǎng)絡(luò)醫(yī)學(xué)；疾病分類；GO富集分析；蛋白功能模塊；拓?fù)淠K；Mesh；String9

中圖分類號：TP399

文獻(xiàn)標(biāo)志碼：A

0引言

近年來，隨著復(fù)雜網(wǎng)絡(luò)在生物醫(yī)學(xué)領(lǐng)域的應(yīng)用逐步廣泛，網(wǎng)絡(luò)醫(yī)學(xué)為疾病分子層面的研究提供了平臺。隨著遺傳學(xué)和基因組學(xué)的進(jìn)步和發(fā)展，高通量蛋白質(zhì)相互作用數(shù)據(jù)的產(chǎn)生推進(jìn)了疾病和致病基因之間的關(guān)聯(lián)研究。由于人類細(xì)胞內(nèi)的分子組件間在功能上具有相互依賴性，所以很少有疾病是由單一基因異常而導(dǎo)致的結(jié)果，現(xiàn)在大量的研究發(fā)現(xiàn)疾病是各組織器官系統(tǒng)間的細(xì)胞內(nèi)和細(xì)胞間各種復(fù)雜的網(wǎng)絡(luò)的局部異常導(dǎo)致的。所以網(wǎng)絡(luò)醫(yī)學(xué)的發(fā)展不僅方便研究者可以借助生物分子網(wǎng)絡(luò)比較系統(tǒng)地去探索導(dǎo)致某一疾病的分子復(fù)雜性，也可用于探索截然不同的表型疾病間潛在的分子關(guān)系，同時網(wǎng)絡(luò)醫(yī)學(xué)的研究發(fā)展也可以用于識別疾病目前尚未發(fā)現(xiàn)的致病基因。

網(wǎng)絡(luò)醫(yī)學(xué)在最近幾十年已經(jīng)得到越來越多的生物醫(yī)學(xué)研究者的關(guān)注。Barabasi等[1]對人類疾病網(wǎng)絡(luò)的特性進(jìn)行了相關(guān)的研究，提出了拓?fù)淠K、功能模塊、疾病模塊這三種模塊存在共同的元素，同時還分析了如何利用網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行基因預(yù)測，提出了基于邊的方法、疾病模塊的方法和隨機傳播算法；Sharan等[2]從蛋白質(zhì)的近鄰分析、馬爾可夫隨機場和基于模塊的方法三個方面進(jìn)行了蛋白質(zhì)功能的預(yù)測；Lin等[3]對擴張心臟病進(jìn)行了動態(tài)蛋白致病模塊的分析，提出了一種新的框架來分析蛋白質(zhì)相互作用（Protein-Protein Interaction，PPI）數(shù)據(jù)，并且成功找到了該病的蛋白功能模塊。

我們發(fā)現(xiàn)上述研究主要集中在：對單個蛋白功能的預(yù)測，預(yù)測某個疾病的致病基因，為特定疾病尋找致病模塊。目前還沒有針對疾病分類進(jìn)行功能蛋白模塊的研究。通用的疾病分類體系是Mesh主題詞分類，Zhou等[4]構(gòu)建了人類疾病的表型網(wǎng)絡(luò)并進(jìn)行了詳細(xì)的分析。在網(wǎng)絡(luò)醫(yī)學(xué)領(lǐng)域中還存在著如下的問題：

1）蛋白模塊在基因本體（Gene Ontology，GO）上的分析；

2）疾病分類與蛋白功能模塊關(guān)聯(lián)關(guān)系的研究；

3）網(wǎng)絡(luò)拓?fù)涮匦耘c疾病分類之間的關(guān)系。

本文將在人類蛋白相互作用網(wǎng)絡(luò)基礎(chǔ)上運用基于模塊度的優(yōu)化算法，如：BGLL[5]、非負(fù)矩陣分解（Nonnegtive Matrix Factorization， NMF），從Mesh疾病分類的角度結(jié)合拓?fù)淠K富集的GO術(shù)語、致病基因相對比Ratio值以及一些常用的拓?fù)涮匦詫θ祟惣膊》诸惡腿祟惢プ骶W(wǎng)絡(luò)拓?fù)淠K的功能進(jìn)行同質(zhì)性分析。

1基本概念及常用聚類算法

2數(shù)據(jù)的來源及整理

采用Mesh給出的疾病名稱為標(biāo)準(zhǔn)名稱，基因部分采用National Center for Biotechnology Information（NCBI）提供的人類基因數(shù)據(jù)，Comparative Toxicogenomics Database（CTD）、ClinVar、DisGeNet和DiseaseConnect四個數(shù)據(jù)源整合疾病與基因之間的關(guān)系，最后去掉重復(fù)數(shù)據(jù)，得到137308條關(guān)系數(shù)據(jù)，包括2896個疾病及15735個基因。

STRING 9.1 提供了蛋白質(zhì)與蛋白質(zhì)相互作用關(guān)系，并使用Score值量化，篩選出與人類有關(guān)且Score大于700的記錄，然后將其映射到NCBI中，最終得到436326條記錄，基因數(shù)是13734?；蜿P(guān)系網(wǎng)絡(luò)生成過程如圖1。

3疾病分類相關(guān)拓?fù)淠K的GO功能分析

本章利用BGLL和NMF算法對基因關(guān)系網(wǎng)絡(luò)進(jìn)行劃分，通過BGLL劃分后得到314個模塊，通過NMF得到301個模塊，并計算了兩種方式劃分下的模塊的一致性，結(jié)果如圖2所示。所謂模塊的一致性就是指用不同的劃分方法劃分網(wǎng)絡(luò)，然后計算模塊的一致性，也就是說對于基因A、B、C，用BGLL劃分在一個模塊中，而用NMF也被劃分也在一個模塊中，這就叫模塊的一致性。

從圖2中可以看到，用不同方法劃分的模塊的一致性大于0.6的有78.095%，可以認(rèn)為用不同聚類算法得到的模塊具有一致性。下面只對BGLL劃分的模塊進(jìn)行詳細(xì)的疾病分類和蛋白質(zhì)功能同質(zhì)性分析。

3.1基于人類互作網(wǎng)絡(luò)的BGLL社區(qū)劃分

使用BGLL算法將基因基因網(wǎng)絡(luò)進(jìn)行社團(tuán)劃分，得到314個拓?fù)淠K。該算法的最終劃分結(jié)果的模塊度是0.378，模塊劃分算法比較合理。圖3是模塊4的網(wǎng)絡(luò)結(jié)構(gòu)示意圖。

分析圖4、5可以發(fā)現(xiàn)，人類疾病在拓?fù)淠K功能方面有明顯的表達(dá)傾向，人類疾病與拓?fù)淠K之間的多樣性一致，通過社團(tuán)劃分方法得到的人類互作網(wǎng)絡(luò)拓?fù)淠K能夠有效地反映出其在人類疾病方面的功能性特征。

3.3高致病拓?fù)淠K的GO富集分析

為了更好地探究人類疾病與網(wǎng)絡(luò)劃分的拓?fù)淠K之間的關(guān)系，從Ratio特殊值入手，分析拓?fù)淠K在人類疾病表達(dá)中所起的作用。由3.2節(jié)可知，Ri=1.409的模塊{55，59，82，95，102，109，111，123，127，132，144，163，192，201，218，232，237，250，251，257，261}，表示模塊Mi的基因全是致病基因，將Ri=1.409的模塊稱為“高致病拓?fù)淠K”。然后對這些模塊進(jìn)行GO富集分析，表1是對這些模塊的基因富集在GO術(shù)語上的情況，其中“null”代表這些模塊沒有富集到GO term上，故其后一列的P-value無計算值。

觀察表1可知，模塊95和模塊257在GO上三個分支的富集P-value都大于0.01，即GO富集效果不好，因此說明這兩個模塊在GO上沒有進(jìn)行顯著的富集。但是除此以外，其他的模塊的GO富集效果都比較好，而且這些模塊大部分都與重要的功能特性相關(guān)，并且在基因的表達(dá)和拓?fù)淠K功能性的表達(dá)方面也有重要的表現(xiàn)。因此可以說明致病基因相對比值（Ratio）較大時，拓?fù)淠K的功能與人類疾病緊密相關(guān)。

表2～4分別是從生物過程（biological process， bp）、細(xì)胞組分（cellular component， cc）、分子功能（molecular function， mf）三個方面對高致病拓?fù)淠K的GO分析的部分模塊在GO術(shù)語上的情況的結(jié)果展示。從表中可以看出，這些拓?fù)淠K富集的GO與重要的功能特性相關(guān)，比如模塊55，生物過程方面，該拓?fù)淠K富集到GO：0006590，且P-value為3.91E-10，遠(yuǎn)小于0.01，很有代表性，表明模塊55是與甲狀腺激素產(chǎn)生的過程有密切聯(lián)系的功能模塊；在細(xì)胞組分方面，拓?fù)淠K富集到GO：0016021，且P-value為0.005631863，小于0.01，與整合膜有密切關(guān)系；分子功能方面，拓?fù)淠K富集到GO：0016174，P-value為3.09E-05，遠(yuǎn)小于0.01，在分子功能NAD（P）H氧化酶發(fā)揮作用中起到至關(guān)重要的作用。

如果模塊55的基因發(fā)生突變，將對與之緊密相關(guān)的生物過程、細(xì)胞組分、分子功能產(chǎn)生影響，因而人類疾病與55模塊有很大可能性的關(guān)聯(lián)。其他高致病拓?fù)淠K也有類似的關(guān)系，因此可以說明，拓?fù)淠K與重要的生物功能特性有密切關(guān)聯(lián)。

3.4低致病拓?fù)淠K的GO富集分析

本節(jié)分析Ratio的取值等于0的模塊在人類疾病表達(dá)中所起的作用。模塊{155，158，260，262，280，286，296，297，

311，312，313}致病基因相對比值Ri=0，表示拓?fù)淠K的基

因全部為非致病基因，稱這些模塊為低致病拓?fù)淠K。然后對這些模塊進(jìn)行GO富集分析，以便去探究拓?fù)淠K內(nèi)基因富集在GO術(shù)語上的情況。GO分析從生物過程、細(xì)胞組分、分子功能三個方面進(jìn)行，表5中P-value加下劃線的值是小于0.01的值，其余的都是大于0.01的P-value值。

表5中，“null”代表這些模塊沒有富集到GO term上，觀察可知只有模塊272的GO分析三個方面的P-value值均小于0.01，說明三個方面富集效果較好的只有模塊272，模塊272與化學(xué)刺激參與嗅覺感知檢測的功能、等離子體膜、電壓門控離子通道的活性有關(guān)，從而說明該拓?fù)淠K在生物功能上的意義比較明顯，對人類疾病的影響比較大；但是在實際數(shù)據(jù)中該模塊中包含的致病基因很少，我們推斷出現(xiàn)這種現(xiàn)象是因為目前蛋白互作數(shù)據(jù)的缺失和與疾病相關(guān)的基因的不完整，因此可以根據(jù)272模塊中的蛋白為現(xiàn)在未知疾病基因的預(yù)測提供理論支持。拓?fù)淠K富集到GO上的比較少，而大部分P-value小于0.01，說明該拓?fù)淠K在GO過程的三個方面的功能性特征基本關(guān)系一般，并不能代表模塊在其相應(yīng)的GO富集的功能特性，因而，這些拓?fù)淠K在人類疾病中起不到關(guān)鍵的功能作用。

3.5較高與較低致病拓?fù)淠K的功能比較

表6記錄的是Ratio值大于1.2和Ratio值小于0.8的拓?fù)淠K對應(yīng)的GO術(shù)語的P-value小于0.01在其范圍內(nèi)的比例。比如，R>1.2時bp比例為0.877193指的是在R>1.2范圍內(nèi)的模塊中GO分析的生物過程中P-value小于0.01的模塊的數(shù)量占R>1.2的模塊數(shù)量的比例。

從表6中可以看出，拓?fù)淠K在R>1.2和R<0.8范圍內(nèi)，GO分析在生物過程bp、細(xì)胞組學(xué)cc、分子功能mf方面的富集比例有非常明顯的差別。這種情況說明，較高致病拓?fù)淠K的功能富集度比較低致病模塊的功能富集度要高，同時也就說明了人類疾病與較高致病拓?fù)淠K的功能具有較高的同質(zhì)性。

4人類互作網(wǎng)絡(luò)拓?fù)湫再|(zhì)的功能同質(zhì)性分析

現(xiàn)在的PPI數(shù)據(jù)和疾病基因數(shù)據(jù)只發(fā)現(xiàn)了大概10%左右，由于數(shù)據(jù)的不完整性和噪聲數(shù)據(jù)的影響，所以在對疾病進(jìn)行深層次研究時借助于疾病網(wǎng)絡(luò)可以有效地幫助我們?nèi)ヌ剿魅祟惣膊〉姆肿由餀C制。

目前有研究表明人類疾病的致病基因在PPI網(wǎng)絡(luò)中并不是隨機分布的，而是趨向于集中在某個連接相對緊密的局部模塊中，也就是疾病模塊，這也說明一旦發(fā)現(xiàn)了疾病的部分致病基因，那么從網(wǎng)絡(luò)醫(yī)學(xué)的角度就可以推論出現(xiàn)在已經(jīng)發(fā)現(xiàn)的基因的鄰居也有很大的可能是致病基因。

為了更好地理解疾病模塊，對疾病模塊的幾個拓?fù)涮匦赃M(jìn)行了分析，以便分析疾病模塊的功能特性與拓?fù)涮匦灾g的相互關(guān)系。本文主要使用了平均度、密度、平均最短路徑、closeness中心性和betweenness中心性幾個主要的網(wǎng)絡(luò)屬性應(yīng)用于人類互作網(wǎng)絡(luò)來探索疾病分類的功能特性與人類互作網(wǎng)絡(luò)拓?fù)涮匦灾g的相互關(guān)系。

4.1平均度

度是衡量網(wǎng)絡(luò)中節(jié)點的一個重要屬性，是指連接到某個節(jié)點的總的邊數(shù)。在PPI網(wǎng)絡(luò)中，度比較高的節(jié)點稱為hub節(jié)點，是由疾病的必須基因進(jìn)行編碼的。平均度是衡量網(wǎng)絡(luò)中節(jié)點與其他節(jié)點連接的程度的統(tǒng)計量。

在人類互作網(wǎng)絡(luò)劃分出的314個模塊中，平均度的值分布如圖6所示。

圖6中：橫軸是平均度值，縱軸是平均度對應(yīng)的模塊度數(shù)。從圖6中可以看出，平均度明顯大于一般值的模塊只有一個，其對應(yīng)的為模塊271，其他較大平均度值依次對應(yīng)的是模塊145、143、172、303、167，而其余大部分模塊的平均度值都比較小，均小于50。這說明人類互作網(wǎng)絡(luò)的拓?fù)淠K中hub模塊相對于普通模塊少得多，并且在不同范圍的介數(shù)中心性有明顯的差別，總體呈冪律分布，體現(xiàn)了人類互作網(wǎng)絡(luò)劃分出的拓?fù)淠K有多樣性的特征。也說明不同的疾病模塊、疾病分類在拓?fù)涔δ艿谋磉_(dá)中具有明顯差異性，而hub模塊271對于疾病的影響非常大，該模塊可用于對多種疾病的研究。

4.2密度

網(wǎng)絡(luò)的密度表示網(wǎng)絡(luò)中節(jié)點間的邊與同樣節(jié)點數(shù)目的網(wǎng)絡(luò)中的節(jié)點數(shù)的比例，體現(xiàn)的是網(wǎng)絡(luò)的邊密度。在人類互作網(wǎng)絡(luò)劃分出的314個模塊中，密度的值分布如圖7所示。

圖7中：橫坐標(biāo)代表的是密度分布值，縱坐標(biāo)代表的是坐標(biāo)值為某一值的模塊數(shù)，從圖7中可看出，不同密度范圍的模塊數(shù)目具有多樣性，大部分模塊密度比較小，明顯較大密度的拓?fù)淠K不多。密度大于0.8的拓?fù)淠K依次是模塊34、144、271、39、205、227、19、260、286、311，而其余大部分模塊的密度值都比較小，均小于0.50。這說明人類互作網(wǎng)絡(luò)的拓?fù)淠K中高密度模塊相對于普通模塊少得多，并且在不同范圍的密度有明顯的差別，總體分布不規(guī)律，體現(xiàn)了人類互作網(wǎng)絡(luò)劃分出的拓?fù)淠K有多樣性的特征。

4.3平均最短路徑長度

平均最短路徑描述了網(wǎng)絡(luò)中節(jié)點間的平均分離程度，模塊中的平均最短距離值越小說明該模塊內(nèi)的節(jié)點連接越緊密，模塊所對應(yīng)的子網(wǎng)的直徑越小。劃分出的314個模塊的平均最短路徑的值分布如圖8所示。

圖8中：橫坐標(biāo)代表的是平均最短路徑長度值，縱坐標(biāo)代表的是平均最短路徑為某個值的模塊數(shù)，

從圖8中可看出，不同平均最短路徑長度取值范圍的模塊數(shù)目具有多樣性，大部分模塊平均最短路徑長度在（1.7，3.3）范圍，模塊平均最短路徑長度明顯較大和明顯較小的拓?fù)淠K并不多，總體呈正態(tài)分布。而網(wǎng)絡(luò)中明顯較小（小于1.5）的平均最短路徑長度比網(wǎng)絡(luò)中明顯較大（大于3.5）的拓?fù)淠K數(shù)量要多，說明網(wǎng)絡(luò)中模塊內(nèi)的節(jié)點連接緊密的拓?fù)渖鐖F(tuán)相對較多。

5結(jié)語

本文針對疾病所關(guān)聯(lián)的拓?fù)淠K功能同質(zhì)性問題，采用MeSH疾病分類術(shù)語本體，采用比較成熟的聚類算法對來自整合的人類全局基因關(guān)系網(wǎng)絡(luò)進(jìn)行了了拓?fù)淠K劃分，并采用基因本體（GO）富集分析方法。最后通過比較分析發(fā)現(xiàn)，相較沒有疾病相關(guān)的拓?fù)淠K，具有顯著疾病相關(guān)的拓?fù)淠K在生物過程、細(xì)胞組分、分子功能等方面具有顯著差異，從而為疾病的分子網(wǎng)絡(luò)研究提供了重要啟示。另外，對于疾病分類的拓?fù)淠K的功能同質(zhì)性分析，只進(jìn)行了GO同質(zhì)性分析，還可以進(jìn)行更多的功能分析；同時對于網(wǎng)絡(luò)的拓?fù)涮匦?，可以將其結(jié)合相應(yīng)的疾病分類、同質(zhì)性結(jié)果等進(jìn)行多角度的聯(lián)合分析來共同輔助拓?fù)淠K的功能同質(zhì)性分析。

參考文獻(xiàn)：

[1]BARABSI A-L， GULBAHCE N， LOSCALZO J. Network medicine： a network-based approach to human disease [J]. Nature Reviews Genetics， 2011， 12（1）： 56-68.

[2]SHARAN R， ULITSKY I， SHAMIR R. Network-based prediction of protein function [J]. Molecular Systems Biology， 2007， 3（1）： 88.

[3]LIN C-C， HSIANG J-T， WU C-Y， et al. Dynamic functional modules in co-expressed protein interaction networks of dilated cardiomyopathy [J]. BMC Systems Biology， 2010， 4（4）： 138.

[4]ZHOU X， MENCHE J， BARABSI A-L， et al. Human symptoms-disease network [J]. Nature Communications， 2014， 5： 4212.

[5]BLONDEL V D， GUILLAUME J-L， LAMBIOTTE R， et al. Fast unfolding of communities in large networks [J]. Journal of Statistical Mechanics： Theory and Experiment， 2008， 2008： P10008

[6]NEWMAN M E， GIRVAN M. Finding and evaluating community structure in networks [J]. Physical Review E， 2004， 69（2）： 026113.

[7]李樂，章毓晉.非負(fù)矩陣分解算法綜述[J].電子學(xué)報，2008，36（4）：737-743. （LI L， ZHANG Y J. A survey algorithms of non-negative matrix factorization [J]. Acta Electronica Sinica， 2008， 36（4）： 737-743.）

[8]LEE D D， SEUNG H S. Learning the parts of objects by non-negative matrix factorization [J]. Nature， 1999， 401（6755）： 788-791.

[9]CAI D， HE X， HAN J， et al. Graph regularized non-negative matrix factorization for data representation [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2010， 33（8）： 1548-1560.

[10]黃鋼石，陸建江，張亞非.基于NMF的文本聚類方法[J].計算機工程，2004，30（11）：113-114. （HUANG G S， LU J J， ZHANG Y F. Text clustering method based on non-negative matrix factorization[J].Computer Engineering， 2004， 30（11）： 113-114.）

[11]YANG S， YE M. Multistability of α-divergence based NMF algorithms [J]. Computers & Mathematics with Applications， 2012， 64（2）： 73-88.