Complex-Network-Based Methodology For Analysis Of Biomedical Data

• Autorzy: Goryczka S. , Arodź T.

Warianty tytułu

PL

Metodologia analizy danych biomedycznych bazująca na sieciach złożonych

• Języki publikacji: EN

Abstrakty

EN

Following the rapid growth of high-detailed information on genomes and proteomes, methods for deducing properties of living organisms at the system level are in need. One approach for capturing the global characteristics of biological entities is to model them as complex networks. Such networks can then be analysed with descriptors tailored to reveal their static and dynamic properties. With metabolic and protein-protein interaction networks of two bacteria as examples, we show here the methodology for carrying such an analysis using a set of informative descriptors.

PL

Wraz ze wzrostem ilości zgromadzonych informacji o genomie i proteomie, wzrasta zapotrzebowanie na metody pozwalające na wnioskowanie o cechach badanego organizmu na poziomie systemowym. Jedno z podejść do tego problemu ujmuje globalne cechy organizmu jako złożoną sieć. Może ona być następnie analizowana przy pomocy deskryptorów zaprojektowanych pod kątem uwypuklania statycznych oraz dynamicznych cech systemu. Bazując na przykładach dotyczących sieci metabolicznych oraz zbudowanych w oparciu o interakcje białek dla dwóch mikroorganizmów, w niniejszej pracy prezentujemy metodologię analizy opartej na deskryptorach sieci złożonych.

Słowa kluczowe

EN

complex networks; graph descriptors; metabolic; network; protein-protein interaction network

PL

analiza sieci złożonych; deskryptory grafowe; sieci metaboliczne; sieci interakcji białek

• Wydawca: Uniwersytet Jagielloński - Collegium Medicum ; Index Copernicus Sp. z o.o.
• Czasopismo: Bio-Algorithms and Med-Systems
• Rocznik: 2006
• Tom: Vol. 2, no. 3
• Strony: 17--24
• Opis fizyczny: Bibliogr. 23 poz. tab., wykr.

Twórcy

autor

Goryczka S.

• Institute of Computer Science, AGH University of Science and Technology, al. Mickiewicza 30, 30-059 Kraków, Poland, tel: [phone], fax: [phone]

autor

Arodź T.

• Institute of Computer Science, AGH University of Science and Technology, al. Mickiewicza 30, 30-059 Kraków, Poland, tel: [phone], fax: [phone]

Bibliografia

• 1. Albert R., Barabasi A.-L.: Statistical mechanics of complex networks, Reviews of Modern Physics 74:47-97, 2002.
• 2. Barabasi A.-L., Albert R.: Emergence of scaling in random networks, Science, 286:509-512, 1999.
• 3. Bertz S.H., Herndon W.C.: The similarity of graphs and molecules, in: Artificial Intelligence Applications in Chemistry, 169-175, 1986.
• 4. Bonchev D.: Information Theoretic Indices for Characterization of Chemical Structures, Chemometrics Series, John Wiley & Sons, 1983.
• 5. Bonchev D., Buck G.A.: Complexity in Chemistry, Biology, and Ecology, [in:] Quantitative Measures of Network Complexity, Springer, 2004.
• 6. Bonchev D., Trinajstic N.: Chemical information theory, structural aspects, International Journal of Quantum Chemistry, Symposium 6:463-480, 1982
• 7. Butland G., Peregrin-Alvarez J.M., Li J., Yang W., Yang X., et al.: Interaction Network Containing Conserved and Essential Protein Complexes in Escherichia coli, Nature, 433: 531-537, 2005.
• 8. Crucitti P., Latora V., Marchiori M., Rapisarda A.: Efficiency of scale-free networks: Error and attack tolerance, Physica A, 320:622-642, 2003.
• 9. Dudek A.Z., Arodz T., Galvez J.: Computational Methods in Developing Quantitative Structure-Activity Relationships (QSAR): A Review, Combinatorial Chemistry & High Throughput Screening, 9:213-228, 2006.
• 10. Erdös P., Rényi A.: On Random Graphs I, Publicationes Mathematicae 6:290-297, 1959.
• 11. Gordon M., Scantlebury G. R.: Non-random polycondensation: Statistical theory of the substitution effect, Transactions of the Faraday Society 60:604-621, 1964
• 12. Gutman I., Trinajstic N.: Graph theory and molecular orbitals. Total A-electron energy of alternant hydrocarbons, Chemical Physics Letters 17:535-538, 1972.
• 13. Harary F.: Graph Theory. Addison-Wesley, 1969.
• 14. Jeong H., Mason S.P., Barabasi A.-L., Oltvai Z.N.: Lethality and centrality in protein networks, Nature 411:41-42, 2001.
• 15. Kier L.B., Hall L.H.: Molecular Connectivity in Structure-Activity Analysis, John Wiley & Sons, 1986.
• 16. H. Ma and A.-P. Zeng Reconstruction of metabolic networks from genome data and analysis of their global structure for various organisms. Bioinformatics. 19: 270-277, 2003.
• 17. Newman M.E.J.: The structure and function of complex networks, SIAM Review 45:167-256, 2003.
• 18. Nikolic S., Kovacevic G., Milicevic A., Trinajstic N.: The Zagreb indices 30 years after, Chroatica Chemica Acta 76:113-124, 2003.
• 19. Platt J.R.: Symbol, Journal of Chemical Physics 15:419-420, 1947.
• 20. Randic M.: On characterization of molecular branching, Journal of the American Chemical Society 97:6609-6615, 1975.
• 21. Rucker G., Rucker C.: Substructure, subgraph and walk counts as measures of the complexity of graphs and molecules, Journal of Chemical Information and Computer Sciences 41:1457-1462, 2001.
• 22. Shannon C.E.: A mathematical theory of communication, Bell System Technical Journal 27:379-423, 1948.
• 23. Duncan J. Watts (1999). Small Worlds: The Dynamics of Networks between Order and Randomness. Princeton Studies in Complexity, Princeton University Press, 1999.