Redes de eigengenes para estudar as relações entre módulos de co-expressão

ANTECEDENTES: Há evidências de que genes e seus produtos proteicos estão organizados em módulos funcionais de acordo com processos e vias celulares. Redes de co-expressão gênica têm sido usadas para descrever as relações entre transcritos gênicos. Existe ampla literatura sobre como detectar módulos biologicamente significativos em redes, mas há uma necessidade de métodos que permitem estudar as relações entre os módulos. RESULTADOS: Mostramos que métodos de rede também podem ser usados para descrever as relações entre módulos de co-expressão e apresentamos a seguinte metodologia. Primeiro, descrevemos vários métodos para detectar módulos que são compartilhados por duas ou mais redes (referidos como módulos de consenso). Representamos os perfis de expressão gênica de cada módulo por um eigengene. Em segundo lugar, propomos um método para construir uma rede de eigengenes, onde as arestas são não direcionadas, mas mantêm informações sobre o sinal da informação de co-expressão. Em terceiro lugar, propomos métodos para análise diferencial de rede de eigengene que permitem avaliar a preservação das propriedades da rede em diferentes conjuntos de dados. Ilustramos o valor das redes de eigengenes ao estudar as relações entre módulos de consenso nos cérebros de humanos e chimpanzés; as relações entre módulos de consenso em tecidos cerebrais, musculares, hepáticos e adiposos de camundongos; e as relações entre módulos de consenso masculino-feminino em camundongos e traços clínicos. Em algumas aplicações, encontramos que eigengenes de módulo podem ser organizados em clusters de nível superior que chamamos de meta-módulos. CONCLUSÃO: Redes de eigengenes podem ser ferramentas eficazes e biologicamente significativas para estudar as relações entre módulos de uma rede de co-expressão gênica. Os métodos propostos podem revelar uma organização de ordem superior do transcriptoma. Tutoriais em software R, os dados e material suplementar podem ser encontrados na seguinte página da web: http://www.genetics.ucla.edu/labs/horvath/CoexpressionNetwork/EigengeneNetwork.