암 발생 메커니즘을 포함하여 생체 내에서 발생하는 대부분의 생물학적 조절 프로세스는 여러 다양한 요소들이 서로 영향을 주고받으며 발생하는 복잡한 문제이다. 이에 최근 유전체 수준에서 유전자간 모듈 단위로 고차적 상호 관계를 분석하는 연구의 중요성이 부각되고 있다. 본 논문에서는 다수 인자들간의 고차원적 연관관계 분석이 가능한 하이퍼그래프(hypergraph) 모델을 이용하여 유전자들 간의 연관관계를 학습한 후, 학습된 하이퍼그래프의 구조를 NMF(non-negative matrix factorization) 기법을 기반으로 분석하여 협력적으로 특정 암 관련 조절 메커니즘에 참여하는 중요 유전자 모듈을 탐색한다. 실험 결과로 다른 두 유형의 전립선 암 조직 miRNA(microRNA)와 mRNA 발현 데이터를 이용하여 기능적으로 상관관계가 존재하는 공격성 전립선 암의 특이적 miRNA-mRNA 조절 모듈을 탐색한다. 발견한 모듈의 생물학적 유의성은 유전자 온톨로지 분석과 관련 논문 검색을 통해 검증하여 제시한다.
Most of the biological processes including cancer regulatory mechanisms are complex problems in the living system because they are influenced by various interactions among many factors. Recently, the importance of analyzing higher-order relationships based on modules between genes has been emphasized in the genome-wide level. In this paper, we propose a classification model based on associations between genes using the hypergraphs which enables to represent higher-order relationships among many factors. Also, we analyze the structure of learned hypergraphs based on non-negative matrix factorization (NMF) method to identify significant gene modules underlying the specific cancer mechanism. As the result of experiments, we evaluate the proposed method on miRNAs(microRNAs) and mRNAs expression profile dataset with two types of prostate cancer, and show the discovery of functional miRNA-mRNA regulatory modules related to aggressive prostate cancers. The biological significance of the identified miRNA-mRNA modules is confirmed by gene ontology analysis and literature reviews.
