Development of a highly accurate method for inferring gene regulatory networks that can withstand an increase in the number of genes

2020 Fiscal Year Final Research Report

• Project/Area Number: 19K16112
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 43060:System genome science-related
• Research Institution: Keio University
• Principal Investigator: Yamada Takahiro 慶應義塾大学, 理工学部(矢上), 助教 (20837736)
• Project Period (FY): 2019-04-01 – 2021-03-31
• Keywords: 遺伝子制御ネットワーク / ネットワーク推定 / L1正則化 / Omicsデータ解析

Outline of Final Research Achievements

With the development of RNA-seq technology, which enables the comprehensive measurement of gene expression levels, research has been conducted to elucidate the relationships between genes and various biological phenomena. However, the conventional methods do not take into account the sparsity of gene regulatory networks, which results in the detection of many false positives.
In this study, a network inference method that takes sparsity into account was mathematically constructed and aimed to formulate a network inference method to suppress false positives.
As a result, inferring a sparse network was succeeded, but it was failed to suppress false positives caused by genes with large expression variation.

Free Research Field

システム生物学

Academic Significance and Societal Importance of the Research Achievements

遺伝子制御ネットワークは生命現象の解明や創薬に繋がる貢献を果たしてきた。これを簡便に行うための遺伝子発現量からネットワークを推定する手法が提案されてきたが、多数の偽陽性を生み出すことから創薬などへの応用に限界が存在した。
本研究では、ネットワークが持つスパース性を考慮した偽陽性抑制法を提案し、スパースなネットワークの推定を可能とすることに成功した。さらに従来法で置かれていた遺伝子発現変動の大きさこそが制御関係に影響を持つという仮定が、偽陽性の温床となっていることを明らかにした。今後はこの仮定を除いた手法の考案により社会的実装に耐えうる方法論としてネットワーク推定を昇華できると期待される。