Interpretable Neural ODEs for Gene Regulatory Network Discovery under Perturbations
Created by
Haebom
저자
Zaikang Lin, Sei Chang, Aaron Zweig, Minseo Kang, Elham Azizi, David A. Knowles
개요
본 논문은 수천 개의 perturbation을 포함하는 현대의 고처리량 생물학적 데이터셋을 활용하여 유전자 간의 조절 상호작용을 나타내는 대규모 인과 그래프를 발견할 수 있는 기회를 제시합니다. 기존의 차별 가능한 인과 그래프 모델들은 대규모 개입 데이터셋으로부터 유전자 조절 네트워크(GRN)를 추론하고 유전적 perturbation으로부터 인과적 유전자 조절 관계를 포착하는 데 사용되었지만, 표현력과 확장성이 제한적이며 세포 분화와 같은 생물학적 과정의 동적 특성을 다루지 못하는 한계가 있습니다. 본 논문에서는 세포 상태 궤적을 모델링하고 신경 ODE의 매개변수로부터 인과 GRN을 도출하기 위해 생물학적으로 유익한 신경 상미분 방정식(neural ODEs)을 통합하는 새로운 프레임워크인 PerturbODE를 제안합니다. 시뮬레이션 및 실제 과발현 데이터셋에서 궤적 예측 및 GRN 추론의 효능을 보여줍니다.
시사점, 한계점
•
시사점:
◦
생물학적 과정의 동적 특성을 고려한, 보다 정확한 유전자 조절 네트워크(GRN) 추론 가능성 제시.
◦
신경 상미분 방정식(neural ODEs)을 활용하여 고처리량 생물학 데이터 분석의 효율성 증대.