網絡分析技術於農業基因體資料之應用-以水稻為例.pdf - 農業知識入口網

生物資訊
網絡分析技術
網
絡
於 分
析
技
農業基因體資料之應用-以水稻為例 術
於
農
業
農試所作物組 吳東鴻 賴牧謙 基
因
一、前言 體
資
隨著資訊科技與農業生物技術不斷的發展，快速累積了大量作物的基因體資訊， 料
之
如蛋白質體學、轉錄體學、基因表現與次世代定序等重要性狀遺傳調控數據，產出速
應
度快且成本持續下降。其中生物資訊學可將數據有效地轉換成資訊，並轉化為知識。 用
︱
然而不同體學的在串聯與整合上有一定困難，研究者欲以宏觀角度通盤檢視巨量基因 以
水
體資料實屬不易。據此，網絡分析的概念應運而生。
稻
網絡分析 (network) 的概念從20世紀中期開始興起，基於網絡理論分析複合層次 為
例
資料的資料分析方法，針對資料表單藉由不同的演算法梳理出串聯節點的關聯性，
並以視覺化的網絡圖呈現重點脈絡趨勢。本篇將導論網絡分析技術以及在植物科學
領域已建立的入口平台，並以水稻基因體資料為案例操作，分別在 與
RiceNet (v2)
等 個線上平台操作流程，導入視覺化工具剖析巨量複合基因體資料
STRING (v11.5) 2
的重要樞紐因子與脈絡趨勢，有助於農業從業人員深化科研成果與探索跨域加值的
可能性。
二、網絡分析原理介紹
相較於制式的單件表格資料，網絡分析圖利用圖形與線條串聯多層資料集，以
視覺化展示整體資料的架構與彼此間的關聯性。網絡由節點與連線粗細所構成，其
網絡區塊大小根據節點的數量與連線數目決定。節點依據研究目的，可以由基因、蛋
白質或生理調控路徑所組成，連線粗細代表兩節點之間的關聯性強弱。以蛋白質間
交互作用網絡為例，每一個蛋白質代表一個節點，而節點之間的連線代表兩個蛋白
質之間具有交互作用。而網絡的拓樸性質 可由中心性指標衡量，其探討在
(topology)
幾何圖形或空間中連續改變其形狀後還能保持不變的性質，著重物體間的相對位置
作 者：吳東鴻副研究員
連絡電話：04-23317106
－農業試驗所技術服務季刊．2022年3月．129期－ 11生物資訊
網 而不考慮其大小與形狀，常見的衡量指 芥網絡功能分析公開平台。另外平台版
絡
分 標為度數 (degree) 和群聚係數 (clustering 本的升級通常是更換新的核心演算法與
析
coefficient)。度數的定義為該節點的與其 納入新的同源基因資料集，在推演未知
技
術 他節點的總連線數；群聚係數則是用來 序列的功能性時，可參考兩條基因序列
於
描述網絡圖中節點與節點之間關係的緊 的相似性，若達 以上就視為同源基
農 80%
業 密程度，其數值介於 0 到 1 之間。 因，因此藉由其他物種已知功能的基因
基
因 網絡分布的結構特性亦可由度數與 連結阿拉伯芥的同源基因，進而推論該
體
群聚係數判斷，若各節點的群聚係數趨 阿拉伯芥基因可能具備哪些功能，豐富
資
料 近於1，則代表網絡的內部結構相當緊 阿拉伯芥的網絡功能資料庫更趨完整。
之
密，具有完全網絡 的
應 (complete network) 第一代的 AraNet 平台，除了利用阿拉伯
用 趨勢，但節點若過於密集，會導致可閱
芥前人文獻之 微陣列晶片資料庫
︱ DNA
讀性降低；反之，若各節點的群聚係數
以 外，還納入了 個由人類、蚯蚓、酵母
24
水 趨近於 ，則表示網絡的內部結構相當鬆
0 菌之直系同源基因所建構而成的關聯性
稻
為 散，呈現無尺度網絡 (scale-free network) 資料庫，總計 個基因能涵蓋
19,647 73%
例
的性質，但若節點與節點之間連線數太
的阿拉伯芥基因體。相隔四年，進階版
少，則能從中獲取的資訊含量較低。其
本的 平台，除了採用機器學
AraNet(v2)
中度數較高的節點稱為樞紐節點
(hub
習為核心演算法之外，擴充納入斑馬
，通常是相當重要的基因、蛋白質
node)
魚、果蠅、線蟲之直系同源基因至網絡
或者是生理調控路徑。
資料庫中，使阿拉伯芥總體基因體覆蓋
三、高等植物網絡分析平台簡 率上升至 84%。
介 在水稻方面，同一個團隊的
Lee
至今已有許多高等植物網絡分析 等人也在 2011 與 2015 年分別建立了
平台可供使用，如阿拉伯芥的 、 和 兩個水稻網絡分
AraNet RiceNet RiceNet(v2)
大豆的 、玉米
SoyNet
的 及水稻的
MaizeNet
平台 圖一 。由
RiceNet ( )
於阿拉伯芥是開花植物
中研究完整度最高的模
式植物，因此網絡架構
也最早被建立， 等
Lee
人相繼於 年與
2010 2014
圖一、高等植物網絡分析平台。(A) 阿拉伯芥網絡分析平台；(B)
年分別建立 和
AraNet 玉米網絡分析平台；(C) 大豆網絡分析平台；(D) 水稻網絡分析平
兩個阿拉伯 台。
AraNet(v2)
12 －農業試驗所技術服務季刊．2022年3月．129期－生物資訊
析平台。 的建立利用水稻前人文 分數，分數越高代表該基因與特定性狀 網
RiceNet
絡
獻之 DNA 微陣列晶片資料，並蒐集 24 之關聯程度愈高，反之愈低。 分
析
個由人類、蚯蚓、蒼蠅、酵母菌之直系
四、RiceNet(v2) 與 STRING(v11.5) 技
同源基因所建構而成的關聯性網絡資料 術
平台操作簡介
於
庫，建構模式參照 AraNet，總計 41,203 是一個免費公開的 農
RiceNet(v2)
業
個基因能約能涵蓋 50% 的水稻全基因 網路平台，主要功能在於利用網絡分 基
因
組。進階版本的 RiceNet(v2) 平台不僅 析進行水稻基因清單優化，資料處理
體
網絡基因涵蓋率達到 ，亦新增了 流程如圖二所示。首先，進入主頁面 資
70.1%
料
線蟲、果蠅和斑馬魚之直系同源基因所 後點選Gene prioritization後有兩個選 之
構成之蛋白質間交互作用網絡。網絡分 項，分別為OptionⅠ:Gene prioritization 應
用
析平台功能方面，則是新增了基因優化 based on network direct neighborhood 與 ︱

以
Ⅱ
(gene prioritization) 之新功能。基因優化 Option :Gene prioritization based on 水
的目的在於依據該基因與特定性狀的關 context associated hubs，研究者依據其 稻
為
需求選取相對應的分析工具。假若研
聯性，透過演算法給予每一個候選基因 例
圖二、RiceNet(v2) 平台資料分析架構流程圖。(A) 方向1: 尋找新的目標基因；(B) 方向2: 找出參與
其中的樞紐基因；(C) 候選基因匯入；(D) 差異表現基因集匯入。
－農業試驗所技術服務季刊．2022年3月．129期－ 13生物資訊
網 究者的目的在於利用輸入的候選基因
involved in osmosensory signaling pathway
絡
分 (candidate genes) 尋找新的目標基因，可 與response to hypoxia等訊息傳遞與生理
析
以利用第一類型操作 Ⅰ；若研究 調控路徑。
(Option )
技
術 者的目的在於利用候選基因找出參與其 OptionⅡ方面，輸入的基因集合
於
中的樞紐基因 ，則可以選擇 主要由差異表現基因
農 (hub genes) (differentially
業 第二類型操作 Ⅱ 進行分析。 所構成，如
(Option ) expressed genes, DEGs) RNA
基
第一類型操作 Ⅰ 方面， 定序資料和定量及時逆轉錄聚合酶連鎖
因 (Option )
體
進入後須輸入欲進行分析之特定 反應資料。基因名稱和輸入基因集合大
資
料 性 狀 的 候 選 基 因 集。其中，基 因 小規定與OptionⅠ相同。以平台所提供
之
名稱 須 符 合 編 號 共 用原 則，如 稉 的稉稻白葉枯病抗性基因Xa21所調控之
應
用 稻 (Oryza sativa spp. japonica) 須以 範例DEGs集合為例進行分析。針對輸入
︱
以 LOC_Os01g01010或Os01g0100100； 基因對應的P值由小到大排列，P值越小
水 秈稻 (Oryza sativa spp. indica) 則是 代表該基因與其他基因的關聯性越高，
稻
為 BGIOSIBCE000001，其唯一的限制為 在特定生理調控途徑的地位愈顯重要，
例
輸入基因數大小不能超過 個。以平 愈有可能是樞紐基因。表格中亦提供該
500
台所提供的逆境反應分子互動組 基因所參與之 生理調控路徑，以利研
(stress GO
範例基因為候選基 究者進行分析。
response interactome)
因集，進行第一類型操作網絡分析之示 在視覺化的網絡圖分析方面，由
範操作。第一項結果為接受者操作特徵 於 平台是利用
RiceNet(v2) Adobe flash
曲線，用來判斷網絡模型的準確性，其 產生網絡圖，但主流網頁瀏覽器
player
統計檢定數值為曲面下面積 如 、 都已在 年 月開始不
(area under ( Chrome IE) 2021 1
，和綠色對角線面積 相 支援 ，因此
curve, AUC) 0.5 Adobe flash player RiceNet(v2)
比，紅色曲線的面積通常大於 ，數 平台無法順利顯示網絡圖。據此，筆者
0.7
值越大代表網絡模型具有越好的鑑別 推薦使用
STRING(v11.5) (https://string-
能力。第二項結果為利用輸入基因集合 平台產製網絡圖。
db.org/) STRING(v11.5)
找出的新基因。透過基因優化後所找出 為一個線上蛋白質 蛋白質交互作用網絡
-
的新基因依據和輸入基因集合的總關 平台兼資料庫，最新的版本
version 11.5
聯性 得分由高至低 於 年 月更新，蒐集來自 個物
(total connectivity) 2021 8 14,094
排序，第一名的基因Os03g0285800的 種，67,592,464 個蛋白質共20,052,394,042
總關聯性得分為 。除此之外，表 筆蛋白質交互作用資料。
42.28 STRING(v11.5)
格中還會詳列出該基因所參與基因本 具有圖形化的操作介面，輸入資料的格
體論 (gene ontology, GO) 之生理調控路 式可以是基因名稱 (如Os01g0146000)
徑，如Os03g0285800參與MAPK activity 或者是蛋白質名稱 (如CDC15)，平台則
14 －農業試驗所技術服務季刊．2022年3月．129期－生物資訊
會一律轉換成蛋白質並計算關聯性。 五、結語 網
絡
STRING(v11.5) 平台計算關聯性的來源從 在這資訊爆炸的21世紀，基因體分 分
析
KEGG (Kyoto Encyclopedia of Genes and 析工具種類多樣、精確度高且成本大幅
技
Genomes) 等資料庫與實際上進行複合蛋 降低，根據美國國家衛生研究院統計， 術
於
白質純化後確認其真實狀況來進行整合 全基因體定序費用自2008年的100萬美 農
與驗證，亦利用發表文獻進行整理。其 金，相隔十年後的 年只需要 千元 業
2018 1
基
中，不同粗細的連線表示蛋白質間關聯 美金即可完成。網絡分析技術面對龐大 因
體
程度的強弱，不同顏色則代表來自不同 的基因體大數據抽絲剝繭，以條理分明
資
資料庫的驗證 (圖三)。產生的結果可以 的圖形來闡釋生物體複雜的生理調控機 料
之
依據研究者需求的格式進行輸出，如高 制，對農業研究人員來說不失為一項新
應
解析度網絡圖片、蛋白質序列資料等。 興的研究利器。 用
︱
以
水
稻
為
例
圖三、蛋白質-蛋白質交互作用網絡圖。其中，節點代表蛋白質；連線的粗細代表關聯性的高低，越
粗代表關聯性越高，反之越低。
－農業試驗所技術服務季刊．2022年3月．129期－ 15