Phát hiện các quan hệ từ dữ liệu sinh học để tái tạo mạng trao đổi chất

Bài viết Phát hiện các quan hệ từ dữ liệu sinh học để tái tạo mạng trao đổi chất trình bày phương pháp mở rộng độ đo Thông tin tương hỗ từ hai biến sang nhiều biến để có thể phát hiện được các loại quan hệ đa biến trong dữ liệu sinh học. Từ đó, tái tạo mạng sinh học hiệu quả hơn một số phương pháp trước đây.
Nội dung trích xuất từ tài liệu:
Phát hiện các quan hệ từ dữ liệu sinh học để tái tạo mạng trao đổi chấtTuyển tập Hội nghị Khoa học thường niên năm 2017. ISBN: 978-604-82-2274-1 PHÁT HIỆN CÁC QUAN HỆ TỪ DỮ LIỆU SINH HỌC ĐỂ TÁI TẠO MẠNG TRAO ĐỔI CHẤT Nguyễn Quỳnh Diệp, Kiều Tuấn Dũng Trường Đại học Thủy lợi, email: {diepnq, dungkt}@tlu.edu.vn1. GIỚI THIỆU CHUNG bốn… Trong phương pháp này, chúng tôi sử dụng độ đo Thông tin tương hỗ để phát hiện Nhờ có sự tiến bộ của công nghệ sinh học, các tương tác đa biến [2].chúng ta có thể đo đồng thời nồng độ của Khi áp dụng trên các dữ liệu nhân tạo vềhàng ngàn phân tử trong một hệ thống sinh sự chuyển hóa trong tế bào hồng cầu củahọc. Những dữ liệu này là ảnh chụp của một người [1], phương pháp của chúng tôi đã chohệ thống sinh học và có nhiều thông tin để kết quả đầy hứa hẹn. Các tập con tương tácsuy ra những gì đã xảy ra trong hệ thống. với thông tin tương hỗ cao nhất được tìmPhân tích các dữ liệu để khám phá tiềm ẩn cơ thấy từ phương pháp của chúng tôi thườngchế sinh học, ví dụ: mạng gen hoặc các mạng tương ứng với các phản ứng trao đổi chấttrao đổi chất [1] là một trong những thách trong mạng ban đầu. Đồng thời, cũng cóthức trong các hệ thống sinh học. nhiều phản ứng ban đầu đã được tìm thấy Tính toán tái tạo các mạng gen từ dữ liệu trong các kết quả của chúng tôi.sinh học đã được nghiên cứu bằng cácphương pháp tiếp cận khác nhau. Có thể kể 2. PHƯƠNG PHÁP SỬ DỤNG ĐỘ ĐOđến như: mô hình lý thuyết thông tin, các THÔNG TIN TƯƠNG HỖmạng đồ thị và Bayess, phương trình vi phân Trong lý thuyết thông tin và xác suất thốngvà tích phân… Mục đích của việc tái tạo kê, có nhiều độ đo được sử dụng để đo sựmạng điều khiển gen cho đến nay là nhằm phụ thuộc lẫn nhau của hai biến như: Hệ sốtìm ra các tương tác cặp đôi giữa hai gen. tương quan Pearson (Pearson Correlation Sự khác nhau giữa mạng điều khiển gen và coefficient), Thông tin tương hỗ (Mutualmạng các chất chuyển hóa là mạng điều Information-MI )…khiển gen chỉ quan tâm đến các tương tác cặp 2.1. Thông tin tương hỗ giữa hai biếnđôi, còn mạng chất chuyển hóa chủ yếu làcác phản ứng thường bao gồm 2 - 6 chất Độ đo thông tin tương hỗ (MI) là một độchuyển hóa. Đến nay, đã có rất nhiều nỗ lực đo dùng để đo sự phụ thuộc thông tin giữađể xây dựng mạng trao đổi chất bằng cách sử hai hay nhiều biến ngẫu nhiên. Đối vớidụng các phương pháp đã áp dụng trong việc trường hợp hai biến, ta có thể dễ dàng tínhxây dựng mạng điều khiển gen [1]. Kết quả là toán và diễn giải ý nghĩa của MI. Cho haihọ chỉ có thể phát hiện các tương tác cặp đôi biến ngẫu nhiên rời rạc X và Y. Thông tinmà không phát hiện được các tương tác của tương hỗ giữa hai biến này được định nghĩanhiều hơn hai chất chuyển hóa. như sau: p  x,y  Trong bài báo này, chúng tôi phát triển MI  X ,Y   xX  yY p  x,y  log (1)một phương pháp tính toán cho việc tái tạo p  x .p  y mạng trao đổi chất có thể phát hiện ra tương Trong đó, p(x) và p(y) lần lượt là hàmtác không chỉ cặp đôi mà còn phát hiện ra các phân phối biên duyên của X và của Y; p(x,y)tương tác khác, ví dụ, tương tác ba, tương tác là hàm phân phối xác suất đồng thời của hai 144 Tuyển tập Hội nghị Khoa học thường niên năm 2017. ISBN: 978-604-82-2274-1biến X và Y. Khi các biến X,Y là biến liên tục biến thứ ba, biến thứ tư… làm nảy sinh mộtthì phép tính tổng trong công thức trên được số loại quan hệ mới. Chẳng hạn, mối quanthay bằng phép tính tích phân trên miền giá hệ giữa một biến với cặp hai biến, quan hệtrị của X và Y. giữa cặp hai biến này với cặp hai biến Thông tin tương hỗ MI(X,Y) cũng có thể khác… Một kiểu quan hệ khác nữa là quanđược biểu diễn thông qua entropy-là độ đo hệ tương hỗ lẫn nhau giữa tất cả các biến.không chắc chắn của các biến ngẫu nhiên rời Chúng tương tác và phụ thuộc lẫn nhau tạorạc [3] thành một module thống nhất. Có thể thấy, MI  X ,Y   H  X   H Y   H  X ,Y  (2) mỗi một kiểu quan hệ sẽ tương ứng với một  H  X   H  X |Y  (3) phân hoạch D1, D2,…, Dk của tập các biến ...