ConfeitoGUI 　相関ネットワーク解析ツール

★ ConfeitoGUIについて

♦ 概要

　ConfeitoGUIはスタンドアローンのツールで、 金平糖アルゴリズム(the Confeito algorithm)に基づき、 相関行列データにおいて関連性の高い要素のグループを選び出す。 金平糖アルゴリズムはネットワーク解析手法のひとつで、 局所的なコミュニティを効率的に抽出するアルゴリズムである。

♦ 使用方法

• Java Runtime Environment (JRE)のインストール（詳しくは取扱説明書を参照）
  1. JREのバージョンの確認方法：コマンドプロンプト（端末）で「java -version」
     （もしバージョン情報の中に「64-bit」が含まれていなければ、64ビット版のJAVAをインストールする）
  2. JRE64ビット版のダウンロード(Windows)：こちらから
  3. 「Windowsオフライン（64ビット）」をクリックして実行
  4. JRE64ビット版のインストール(Linux)：こちらを参照
• ConfeitoGUIのインストール
  • 「ConfeitoGUI_x.x.x.zip」を適当なフォルダに解凍する。
  • ツールのダウンロードはこちら
• ConfeitoGUIの実行
  • 上記で解凍されてできたフォルダ内の「launch.bat」をダブルクリックして実行する。
• 解析方法についてはこちら

♦ 解析の流れ Array Data Converter（オプション）: マイクロアレイデータの生データをテキストファイルに変換する Correlation Tool: 要素間の相関行列を作成する Preprocessing Tool: 要素ごとの相関ファイルのリストを作成する Check Tool: 相関ファイルをチェックする FPO (False-Positive-Out) analysis: 互いに高い相関関係を示す要素群（モジュール）を選出する （ある要素と相関係数の高い要素の中には、どの要素とも相関の高い要素、 すなわち「偽陽性」の要素が存在し、その要素を効率的に省く） FNI (False-Negative-In) analysis（オプション）: 個々のモジュールについて、相関係数は低いが特異的に関連している要素を選出する （あるモジュールとの相関係数は低くFPO解析では検出されないが、特異的に関係している要素、 すなわち「偽陰性」の要素を検出する）

♦ 他のツールとの比較

　ConfeitoGUIで生成されるモジュールの精度を確かめるために、 NCBIのGene Expression Omnibus (GEO)からマウスのマイクロアレイデータを入手して、 他のコミュニティ抽出ツールとの比較解析を行った。

• GEOについての基礎知識
  1. GPL: 遺伝子発現データのプラットフォーム、各社のマイクロアレイや次世代シーケンサー等の種類
  2. GSE: GPLに含まれる遺伝子発現データの実験群
  3. GSM: GSEに属する遺伝子発現データ
  4. GSE内の実験は互いにある程度類似している場合が多い
  5. すなわち、実験間での相関ネットワーク上で、同じGSEに属する実験(GSM)は コミュニティ抽出ツールの結果としても同じモジュールに含まれることが期待される
• 使用するデータと相関係数の算出と相関ネットワークの描画
  1. アフィメトリクス社製のマウスのマイクロアレイGPL1261の 遺伝子発現データ37,013枚を用いた （データのリストはこちら）
  2. 遺伝子発現実験間でコサイン相関係数を算出し、相関行列を作成した
  3. 0.50から0.99まで0.01刻みの相関係数を閾値とした相関ネットワークを描画した
• 比較する他のコミュニティ抽出ツール
  1. Louvain (Blondel et al., J Stat Mech, 2008): Pajek上で実行
  2. Simulating annealing (Newman and Girvan, Phys Rev E, 2004): R上で実行
  3. Fast greedy (Clauset et al., Phys Rev E, 2004): R上で実行

比較する方法：モジュール（コミュニティ）と実験群のメンバー構成の類似性を評価する メンバー構成の類似性の評価にはF-measureを用いる F-measureは情報科学分野の指標で、 precisionとrecallの調和平均である ここでのprecisionは、あるモジュールに含まれる実験 （）の中で 特定の実験群(GSE)に属する実験（）の割合を表す ここでのrecallは、ある実験群（）の中で 特定のモジュールに属する実験（）の割合を表す 下図の例の場合に、precisionは 6 / 8 = 0.75、recallは 6 / 10 = 0.60 となる すなわち、F-measureは( 6 + 6 ) / ( 8 + 10 ) = 0.67となる F-meausreが大きいほど、モジュールとGSEの実験群が似ていることになる 各閾値の相関ネットワークのすべてのモジュールに対してF-measureを計算した 各相関ネットワークごとに、F-measureの平均値を各ツールの代表値とする すなわち、この平均値が大きいほど、モジュールの抽出の精度が高いことになる

• 比較解析の結果
  1. 下表はツールごとのF-measureの平均値を表している
     
     

     Tool	F-measure (average ± SD)
     ConfeitoGUI	0.61 ± 0.34
     Louvain	0.47 ± 0.40
     Simulating annealing	0.40 ± 0.36
     Fast greedy	0.37 ± 0.37

     
     
     
  2. ConfeitoGUIが最も高い平均F-measure値を示しており、モジュールの精度が高いことを表している

♦ 文献

• Ogata Y et al., ConfeitoGUI: a toolkit for community detection from a correlation network in molecular biology, with a function to adjust community size. (submitting)
• Sakurai N et al., KaPPA-View4: a metabolic pathway database for representation and analysis of correlation networks of gene co-expression and metabolite co-accumulation and omics data. Nucleic Acids Res, 39: D677-D684, 2011.
• Ogata Y et al., CoP: a database for characterizing co-expressed gene modules with biological information in plants. Bioinformatics, 26(9): 1267-1268, 2010.
• Ogata Y et al., The prediction of local modular structures in a co-expression network based on gene expression datasets. Genome Inform, 23(1): 117-127, 2009.

♦ 拡張版

本ツールはアカデミックフリー版であり、拡張版（ConfeitoGUIplus）については、かずさDNA研究所に問い合わせてください。

ホームへ戻る

The KAGIANA Project

(since 2006)

Copyright (C) 2015 All rights reserved Osaka Prefecture University & Kazusa DNA Research Institute