Discovery Sagaサイレントキーワード俯瞰

ネットワークの中心性(Betweeness Centrality)を用いた解析が有用である可能性は確かめられたが、ゲノムワイドでの有意性を客観的に評価する必要があり、このためにRandom Permutation testを導入することを検討していた。これに伴い、計算量が劇的に増大するため、これまで、解析のためのプログラムをPythonというスクリプト言語で作ってきたが、これをC++言語へ完全に移行した。
移行の結果、計算速度が100倍近くになったため、既存のマイクロアレイ実験の結果なども解析対象に加えることが出来、研究の幅が大きく広がった。元になるタンパク質相互作用ネットワークの情報に、HPRD(Human Protein Reffrence Database)を使い、マイクロアレイによる網羅的遺伝子発現情報として、MsigDBをも使った。
まず、本研究で開発した手法が、入力遺伝子のリストと、Interaction networkの情報を使って、重要な分子を特定する能力があるかどうかを確かめるため、MsigDBからP53 SIGNALINGの遺伝子セットを使って計算を試みた。この際、P53 SIGNALINGの101個の遺伝子の中から、意図的にTP53を除外し、のこりの100遺伝子を使った計算でTP53を重要分子として特定できるかどうかを検証した。計算の結果、TP53がもっともp-valueが低い重要分子として選び出された。
この結果は、本手法が大規模なネットワークからの情報抽出に非常に適した手法であるということを、強く支持するものである。これは、今日の複雑ネットワーク科学と生命科学の両分野の発展に寄与できる重要な結果であると考えている。