在整合基因相互作用数据库时考虑冗余

在过去几年中，基因相互作用网络越来越多地用于生物测量的评估和解释。了解未知蛋白质的相互作用伙伴使科学家能够理解遗传产物之间的复杂关系，有助于揭示未知的生物功能和通路，并更详细地了解生物体的复杂性。在所有相关条件下测量所有蛋白质相互作用几乎是不可能的。因此，整合不同数据集以预测基因相互作用的计算方法是必要的。然而，在整合不同来源时，必须考虑到某些信息部分可能是冗余的，这可能导致对相互作用真实可能性的高估。我们的方法整合了来自三个不同数据库（Bioverse、HiMAP和STRING）的信息，以预测人类基因相互作用。为了将不同数据源整合到一个共同的定量尺度上，我们实施了一种贝叶斯方法。贝叶斯整合的一个重要假设是输入数据（特征）的独立性。我们的研究表明，当组合依赖于部分重叠输入数据的基因相互作用数据库时，条件依赖性不能被忽视。此外，我们展示了如何检测数据库之间的相关结构，并提出了一种线性模型来纠正这种偏差。与两个独立参考数据集进行基准测试的结果表明，整合模型的表现优于各个数据集。我们的方法提供了一种直观的策略来加权不同特征，同时考虑它们的条件依赖性。