支持基因相互作用網絡分析的方法和設備以及計算機產品的製作方法
2023-09-19 01:11:00 3
專利名稱：支持基因相互作用網絡分析的方法和設備以及計算機產品的製作方法
技術領域：
本發明涉及用於支持對基因相互作用網絡的分析的技術。
背景技術：
近年來，正積極地基於病人與健康主體之間的基因表現狀態的差異，對與疾病有關的分子機理進行研究。此外，也經常基於服用藥物時與未服用藥物時之間的基因表現狀態的差異，對藥物在分子機理級對活體的影響進行研究。在這種研究中，通過對基於某些線索而聚焦的基因簇中的個體基因的基因相互作用進行分析，來廣泛地對所關注的基因與疾病之間的相關性進行評估或者對藥物對所關注的基因的影響進行估計。
在這種分析中，優選的是，根據與疾病的關係適當地選擇待分析的基因和基因相互作用。換句話說，通常，獲得大量關注的基因。相關基因相互作用的數量巨大，並且呈現由於不同生物因素的各種相互作用。因此，優選的是，通過根據分子機理對這些相互作用進行分類，或者通過自動選擇具有與疾病相關的高可能性的相互作用，使得便於對分析對象(待優先分析的對象)進行選擇。
圖21是表示為網絡圖的與所關注的基因簇有關的基因相互作用的示意圖。通過將針對通過基因表現分析所獲得的約300個所關注的基因簇中的每一個中的特定基因而分別形成的多個相互作用網絡相互疊加，來形成基因相互作用網絡2100。一個矩形節點表示一個基因。一條邊表示在與該邊的各端上的節點相對應的兩個基因之間存在已知相互作用(文獻中已經報導的相互作用)。如圖所示，作為與所關注的基因有關的相互作用的集合的網絡往往很大並且具有複雜結構。因此，需要用於支持分析的技術。
作為一種用於支持該分析的技術，如下資料庫是公知的在該資料庫中，在根據疾病的類型或活體內分子機理對基因相互作用進行分類的同時，系統地對基因相互作用網絡進行累積(例如，Kyoto Encyclopedia of Genesand Genomes(KEGG)，[在線]，2006年2月27日檢索，網際網路URL:http://www.genome.jp/kegg/pathway.html，和BioCarta，[在線]，2006年2月27日檢索，網際網路URL:http://www.biocarta.com/)。利用該資料庫，可以根據疾病或活體內分子機理對與所關注的基因簇有關的相互作用進行分析。
日本特開第2003-44481號公報公開了一種用於對具有與疾病相關的高可能性的基因(疾病相關基因)進行分類的技術。可在如圖21所示的基因相互作用網絡中執行該分類。
根據該技術，對「研究基因」的識別是有可能的。針對其中在服用某種藥物時與在未服用該藥物時觀察到不同基因表現狀態的基因簇，基於文獻中基因的表徵，提供基因聚類結果。還提供了其中出現了該基因的文獻與藥物和所關注的疾病之間的關係。因此，將對藥物起反應並預期與所關注的疾病之間存在某種關係而又未被報導的基因識別為「研究基因」。
當使用諸如KEGG和BioCarta的資料庫時，資料庫的覆蓋率可能不足。資料庫是基於在分子生物領域中獲得的研究結果而人工創建的。因此，未包括仍在研究的基因相互作用。因此，不能預期該資料庫包括在基因相互作用網絡2100中包括的所有基因相互作用。
此外，在日本特開第2003-44481號公報中公開的傳統技術中，需要人在關注於具體藥物和具體疾病的同時對基因相互作用網絡2100進行解釋，並判斷個體基因與疾病之間的相關性。因此，當存在多個所關注的疾病時，難以使用該傳統技術作為支持技術。
換句話說，需要針對每個可能的疾病對所給出的信息進行人工解釋。因此，難以對疾病相關基因進行高效的發現和分類。通常，一個因素可能增大多個疾病的風險。因此，需要用於支持考慮多個疾病的分析的技術。
發明內容
本發明的一個目的是至少解決傳統技術中的上述問題。
根據本發明一方面的一種計算機可讀記錄介質，其中存儲有用於實現支持對基因相互作用網絡進行分析的方法的電腦程式。該電腦程式使得計算機執行以下步驟閾值設置步驟，其設置針對生物學事件與基因相互作用之間的相關性的閾值；基因相互作用檢測步驟，其從形成所述基因相互作用網絡的多個基因相互作用中檢測具有等於或高於所述閾值的相關性的基因相互作用；以及部分網絡生成步驟，其通過根據各個生物學事件對檢測出的基因相互作用進行排列來生成針對所述各個生物學事件的部分網絡。
根據本發明另一方面的一種方法，所述方法用於支持對基因相互作用網絡的分析。所述方法包括以下步驟閾值設置步驟，其設置針對生物學事件與基因相互作用之間的相關性的閾值；基因相互作用檢測步驟，其從形成所述基因相互作用網絡的多個基因相互作用中檢測具有等於或高於所述閾值的相關性的基因相互作用；以及部分網絡生成步驟，其通過根據每個生物學事件對檢測出的基因相互作用進行排列來生成針對所述每個生物學事件的部分網絡。
根據本發明又一方面的一種設備，所述設備用於支持對基因相互作用網絡的分析。所述設備包括設置單元，其被構造成設置針對生物學事件與基因相互作用之間的相關性的閾值；檢測單元，其被構造成從形成所述基因相互作用網絡的多個基因相互作用中檢測具有等於或高於所述閾值的相關性的基因相互作用；以及生成單元，其被構造成通過根據每個生物學事件對檢測出的基因相互作用進行排列來生成針對所述每個生物學事件的部分網絡。
本發明的其它目的、特徵以及優點具體在下文中進行闡述，或者當結合附圖進行閱讀時，將從本發明的以下詳細說明中明了。
圖1是根據本發明的實施例的用於支持對基因相互作用網絡的分析的設備的示意圖；圖2是用於例示根據本實施例的疾病注釋的示意圖；圖3是用於例示根據本實施例的醫學文獻資料庫(DB)的示意圖；
圖4是用於例示根據本實施例的醫學文獻資料庫(DB)的示意圖；圖5是根據本實施例的設備的框圖；圖6是用於例示由相似度計算單元執行的相似度計算的示意圖；圖7是生成處理單元的框圖；圖8是由輸入單元輸入的基因相互作用網絡的示意圖；圖9是用於例示由部分網絡生成單元進行的生成處理的示意圖；圖10是用於例示對聯合網絡的生成的示意圖；圖11是分類處理單元的框圖；圖12是用於例示由分類單元進行的部分網絡分類處理的示意圖；圖13是針對分析對象部分網絡的顯示示例的示意圖；圖14是針對分析對象部分網絡的顯示示例的示意圖；圖15是由圖5所示的相關性計算單元進行的相關性計算處理的流程圖；圖16是由根據本實施例的設備執行的處理的流程圖；圖17是部分網絡生成處理的流程圖；圖18是部分網絡生成處理的流程圖；圖19是針對分析對象部分網絡的另一顯示示例的示意圖；圖20是當顯示圖19所示的示例時由輸出單元進行的顯示處理的流程圖；以及圖21是基因相互作用網絡的示意圖。
具體實施例方式
下面將參照附圖對根據本發明的示例性實施例進行詳細說明。
圖1是根據本發明的實施例的用於支持對基因相互作用網絡的分析的設備的示意圖。該設備包括中央處理單元(CPU)101、只讀存儲器(ROM)102、隨機存取存儲器(RAM)103、硬碟驅動器(HDD)104、硬碟(HD)105、軟盤驅動器(FDD)106、軟盤(FD)107、顯示器108、接口(I/F)109、鍵盤110、滑鼠111、掃描儀112以及印表機113。FD 107是可移動記錄介質的示例。各組成部分通過總線100相連接。
CPU 101對整個設備進行控制。ROM 102對諸如引導程序的程序進行存儲。RAM 103用作CPU 101的工作區。HDD 104在CPU 101的控制下對從HD 105的數據讀取和向HD 105的數據寫入進行控制。HD 105在HDD 104的控制下對寫入的數據進行存儲。
FDD 106在CPU 101的控制下對從FD 107的數據讀取和向FD 107的數據寫入進行控制。FD 107在FDD 106的控制下對寫入的數據進行存儲，並允許該設備讀取存儲在FD 107中的數據。
除FD 107以外，還可以使用光碟只讀存儲器(CD-ROM)、可記錄光碟(CD-R)、可擦寫光碟(CD-RW)、磁光(MO)盤、數字多媒體盤(DVD)、存儲器卡等作為可移動記錄介質。除光標、圖標以及工具箱以外，顯示器108還顯示諸如文檔、圖像以及功能信息的數據。該顯示器108例如可以是陰極射線管(CRT)、薄膜電晶體(TFT)液晶顯示器以及等離子體顯示器。
I/F 109通過通信電路連接到諸如網際網路的網絡114。I/F 109通過該網絡114連接到其他設備。I/F 109對本設備與網絡114之間的接口進行控制，並對來自外部設備的數據輸入和到外部設備的數據輸出進行控制。I/F 109例如可以是數據機或LAN適配器。
鍵盤110包括用於輸入字符、數字、各種指令等的多個鍵。鍵盤110執行數據輸入。鍵盤110也可以是觸摸板型輸入板、數字小鍵盤等。滑鼠111使光標移動、對範圍進行選擇、對窗口進行移動、改變窗口大小等。滑鼠111也可以是功能與定點(pointing)裝置類似的追蹤球、操縱杆等。
掃描儀112光學地讀取圖像並將圖像數據裝載到本設備中。掃描儀112可以具有光學字符識別(OCR)功能。印表機113列印圖像數據和文檔數據。印表機113例如可以是雷射印表機或噴墨印表機。
圖2是用於例示根據本實施例的疾病注釋的示意圖。疾病注釋200是知識文檔(knowledge document)的主體。在疾病注釋200中，採用自然語言對生物學事件(例如包括與疾病有關的物質生理作用、生物學響應、臨床症狀等)進行系統的描述。例如，按章節和段落寫入與疾病有關的說明。
為每種疾病提供說明。例如，在「章節1」的「段落1-1」中的說明200-1中對「疾病D1」進行說明。在「章節1」的「段落1-2」中的說明200-2中對「疾病D2」進行說明。在「章節2」的「段落2-1」中的說明200-3中對「疾病D3」進行說明。
疾病注釋200例如是已被轉換成文本的電子文檔。可以從圖1所示的I/F 109輸入疾病注釋200，或者可以將疾病注釋200記錄在諸如ROM 102、RAM 103以及HD 105的記錄介質上。
可以使用電子文檔、在線人類孟德爾遺傳(Online MendelianInheritance in Man，OMIM)等作為疾病注釋200。
OMIM是「人類孟德爾遺傳」(對與人類基因紊亂的表型、基因座位等有關的信息的收集，作者為Victor A.McKusick博士)的電子版(http://www.ncbi.nlm.nih.gov/entrez/query.fcgi？db＝OMIM)。
圖3是用於例示存儲在根據本實施例的醫學文獻DB中的內容的示意圖。醫學文獻DB 300存儲有包含與基因之間的相互作用有關的生物學和醫學研究結果的電子文獻A(Ai:i＝1到n)等。
電子文獻A是電子數據，諸如存儲在在線醫學文獻分析和檢索系統(MEDLINE)和類似於MEDLINE的資料庫中的摘要。
MEDLINE是醫學文獻的索引和摘要的次級來源資料庫，由美國國家醫學圖書館(NLM)提供。PubMed是被廣泛使用的針對MEDLINE的文獻檢索工具，由國家生物技術信息中心(NCBI)提供(http://www.ncbi.nlm.nih.gov/entrez/query.fcgi？db＝PubMed)。電子文獻A被轉換成文本並存儲在資料庫中。
在本實施例中，除了電子文獻Ai的內容(文本)以外，還使用電子文獻Ai與電子文獻Ai中報導的基因相互作用之間的對應關係。如果所述對應關係包括在電子文獻Ai中的文獻目錄信息等中，則可以使用所包括的所述對應關係。
在MEDLINE資料庫中，在由NLM公開的Entrez基因資料庫(http://www.ncbi.nlm.nih.gov/entrez/query.fcgi？db＝gene)中提供的「相互作用」信息中包括基因相互作用與MEDLINE文獻之間的對應關係。因此，可以使用所述對應關係。此後，將與電子文獻A1到An中的任何一個相對應的基因相互作用稱為基因相互作用I(Ij:j＝1，2，等)。
圖4是用於例示存儲在根據本實施例的相關性DB中的內容的示意圖。相關性DB 400對相關性進行存儲。
相關性是由指定了各疾病和作為基因相互作用的基礎的兩個基因的疾病注釋200的段落號所指定的值。例如，通過圖2所示的疾病注釋200和圖3中的醫學文獻DB 300內的電子文獻A來計算相關性。如果相關性是R，則相關性R是0≤R≤1。如果相關性R的值大，則認為疾病與基因相互作用之間的聯繫強。
圖5是根據本實施例的設備的框圖。用於支持對基因相互作用網絡500的分析的設備包括疾病注釋200、醫學文獻DB 300、相關性DB 400、相關性計算單元501、輸入單元502、生成處理單元503、分類處理單元504以及輸出處理單元505。
相關性計算單元501對存儲在相關性DB 400中的相關性R進行計算。具體來說，相關性計算單元501包括相似度計算單元511和相關性設置單元512。相似度計算單元511對疾病注釋200與醫學文獻DB 300中的各電子文獻Ai之間的相似度進行計算。
圖6是用於例示由相似度計算單元511執行的相似度計算的示意圖。通過詞頻率反文檔頻率(TFIDF)方法來計算說明200-k(k＝1，2等)與電子文獻Ai之間的文本相似度。利用疾病注釋200中的疾病Dk的說明200-k中的文本數據和電子文獻Ai中的文本數據來計算該文本相似度。
具體來說，通過詞頻率(TF)獲得候選關鍵詞在說明200-k中的出現頻率和該候選關鍵詞在電子文獻Ai中的出現頻率。通過反文檔頻率(IDF)(反文檔的對數)獲得候選關鍵詞在文檔(說明200-k和電子文獻Ai)中的出現頻率的倒數的對數。針對每篇文檔(說明200-k和電子文獻Ai)計算通過TF與IDF之積而獲得的TFIDF向量。
說明200-k的TFIDF向量與電子文獻Ai的TFIDF向量的餘弦值(歸一化到大小1的向量的點積值)是說明200-k與電子文獻Ai的文本相似度Ski(0≤Ski≤1)。文本相似度Ski的值越大，說明200-k與電子文獻Ai就越相似。
相關性設置單元512利用疾病注釋200和電子文獻A對基因相互作用Ij與疾病Dk之間的相關性R進行設置。具體來說，相關性設置單元512基於由相似度計算單元511針對各電子文獻Ai計算出的文本相似度Ski，對基因相互作用Ij與疾病Dk之間的相關性Rjk進行設置。更具體來說，相關性設置單元512基於與基因相互作用Ij相對應的m(m≤n)個文本相似度的集合∑jk，對相關性Rjk進行設置。集合∑jk是多個文本相似度的集合。集合∑jk的元素是Sk1到Skn中與基因相互作用Ij相對應的文本相似度。
例如，相關性Rjk可以是所述m個文本相似度∑jk中的最高文本相似度。作為另一種選擇，相關性Rjk可以是所述m個文本相似度∑jk中的最低文本相似度。相關性Rjk還可以是所述m個文本相似度∑jk的中間值或所述m個文本相似度∑jk的平均值。圖4中的相關性R是以此方式針對基因相互作用Ij與說明200-k的每個組合而獲得的相關性Rjk的集合。
如上所述，可以通過由相關性計算單元501進行的計算來創建相關性DB 400。然而，在設備500中也可以使用預先設置有相關性Rjk的相關性DB 400。
輸入單元502接收對如圖21所示的基因相互作用網絡2100的輸入。具體來說，通過圖1所示的鍵盤110或滑鼠111的操作，從ROM 102、RAM103、HD 105、I/F 109、掃描儀1102等輸入基因相互作用網絡2100。
生成處理單元503基於生物學事件與基因相互作用之間的相關性R，針對每個生物學事件生成多個部分網絡集合510。部分網絡集合510是基因相互作用網絡2100的一部分。下文將對生成處理單元503的詳情進行描述。
分類處理單元504從部分網絡集合510中選擇待成為分析對象的部分網絡集合(以下稱為「分析對象部分網絡集合S」)。基於由生成處理單元503針對每個生物學事件所生成的部分網絡集合510中的多個邊來選擇分析對象部分網絡集合S。下文將對分類處理單元504的詳情進行描述。輸出處理單元505輸出分析對象部分網絡集合S。具體來說，輸出處理單元505在顯示器108的顯示屏幕上顯示分析對象部分網絡集合S或者從印表機113列印輸出分析對象部分網絡集合S。
例如，通過執行記錄在諸如ROM 102、RAM 103以及HD 105的記錄介質上的程序來實現相關性計算單元501、輸入單元502、生成處理單元503、分類處理單元504以及輸出處理單元505的功能。作為另一種選擇，由I/F 109來實現這些功能。
圖7是生成處理單元503的框圖。生成處理單元503包括閾值設置單元701、閾值調節單元702、檢測單元703、部分網絡生成單元704、第一條件設置單元705、部分網絡提取單元706、聯合網絡生成單元707、覆蓋率計算單元708、第二條件設置單元709以及覆蓋率判斷單元710。
閾值設置單元701對關於生物學事件與基因相互作用I之間的相關性的閾值T進行設置。閾值T用於對具有等於或高於該閾值T的相關性的基因相互作用I進行檢測。閾值T由用戶任意設置。可以通過分級地降低來調節閾值T。因此，優選的是，將初始值設置為相關性R的最大值Tmax。
閾值調節單元702對閾值T進行調節，使得閾值T分級地下降。閾值T的下降量ΔT可由用戶任意設置。可以自由地設置量ΔT。例如，ΔT＝0.01。下文將對調節閾值T的定時進行描述。
檢測單元703對形成基因相互作用網絡的基因相互作用I中的基因相互作用Ijk進行檢測。基因相互作用Ijk具有等於或高於閾值T的相關性R。具體來說，檢測單元703從相關性DB 400中檢測出基因相互作用Ij。基因相互作用I中的基因相互作用Ij與疾病Dk中的任何一個之間具有等於或高於閾值T的相關性Rjk。
例如，如圖4所示，如果閾值T＝0.30，則在段落1-1列(疾病D1)中的兩行(相關性R＝0.30)和段落2-1列(疾病D3)中的一行(相關性R＝0.31)中有等於或大於0.30的相關性R。檢測到3個組合(基因G1，基因G3)、(基因G2，基因G3)以及(基因G3，基因G5)作為對應於以上相關性的基因相互作用。
基因相互作用I中的基因相互作用Ij與疾病Dk中的任何一個之間具有等於或高於閾值T的相關性Rjk。如果未從相關性DB 400檢測出基因相互作用Ij，則閾值調節單元702將閾值T減少預定量ΔT。因此，已降低了預定量ΔT的閾值T成為由檢測單元703用以進行檢測的基準值。以此方式，可以通過分級地調節閾值T來找出與任何一個疾病之間具有等於或高於閾值T的相關性的至少一個基因相互作用。
部分網絡生成單元704基於疾病Dk與基因相互作用Ij之間的相關性Rjk，針對每種疾病Dk生成部分網絡集合510。由檢測單元703來檢測基因相互作用Ij。圖8是由輸入單元502輸入的基因相互作用網絡的示意圖。圖9是用於例示由部分網絡生成單元704進行的生成處理的示意圖。
如圖8所示，基因相互作用網絡800包括節點Nx(x＝1到5)和邊Exy(y＝1到5，y≠x)。節點Nx指定基因Gx。邊Exy連接節點Nx與節點Ny。在實際中，基因相互作用網絡800是複雜的。基因相互作用網絡800如圖21所示的基因相互作用網絡2100那樣具有大量節點和邊。然而，在本示例中，基因相互作用網絡800被簡化並且具有5個節點和7條邊。
圖9所示的上部例示了存儲在相關性DB 400中的內容。中部例示了檢測單元703的檢測結果。下部例示了所生成的部分網絡901到903。當相關性R的閾值T例如是T＝0.27時，等於或高於閾值T的相關性Rjk是在上部中示出的無陰影的相關性Rjk。
在中部中，左手側的基因相互作用網絡800示出了對與段落1-1中的疾病有關的基因相互作用的檢測結果。由虛線包圍的節點和邊是所檢測出的基因相互作用。中央的基因相互作用網絡800示出了對與段落1-2中的疾病有關的基因相互作用的檢測結果。由虛線包圍的節點和邊是所檢測出的基因相互作用。右手側的基因相互作用網絡800示出了對與段落2-1中的疾病有關的基因相互作用的檢測結果。由虛線包圍的節點和邊是所檢測出的基因相互作用。
如下部所示，針對各段落(疾病)，獲得由中部中的虛線包圍的形成基因相互作用的節點和邊作為部分網絡901到903。
圖7所示的第一條件設置單元705設置對所生成的部分網絡的大小或複雜度進行限制的第一條件。對部分網絡的大小進行限制的條件將部分網絡的大小限制到預定範圍。該預定範圍例如是表示要包括在每個部分網絡中的基因的節點的數量範圍、要包括在網絡中的節點的類型的數量範圍，等等。
對部分網絡的複雜度進行限制的條件將部分網絡的複雜度限制到預定水平。該預定水平例如是表示要包括在每個部分網絡中的基因相互作用的邊的數量範圍、要包括在網絡中的邊的類型的數量範圍(或表示基因相互作用的邊的類型的數量與表示基因的節點的類型的數量之比)，等等。
部分網絡提取單元706從部分網絡集合510中提取滿足第一條件的部分網絡。例如，如果第一條件是「少於3個節點」，則提取部分網絡集合510內的具有少於3個節點的部分網絡。
根據第一條件設置單元705和部分網絡提取單元706，可以對待作為候選分析對象的部分網絡的大小和複雜度進行控制。因此，可以對具有簡單結構的小規模部分網絡進行分析。
聯合網絡生成單元707通過對這些部分網絡進行編輯來生成聯合網絡。成為聯合網絡的生成元素(generator)的部分網絡可以是由部分網絡生成單元704生成的部分網絡和由部分網絡提取單元706提取的任何部分網絡。聯合網絡包括成為生成元素的所有部分網絡。不包括在成為生成元素的任何部分網絡中都未包括的節點和邊。
圖10是用於例示聯合網絡的生成的示意圖。當生成聯合時，聯合網絡1000包括在各部分網絡901到903中包括的節點Nx和邊Exy。聯合網絡1000包括節點N1到N5，和邊E12、E13、E23、E35以及E45。
圖7所示的覆蓋率計算單元708對表示聯合網絡被包括在基因相互作用網絡中的程度的覆蓋率進行計算。具體來說，可以由以下公式1或公式2來表示該覆蓋率。
C＝Me1/Me0 (1)C＝Mn1/Mn0 (2)C為覆蓋率。Me1為聯合網絡中的邊的數量。Me0為基因相互作用網絡中的邊的數量。Mn1為聯合網絡中的節點的數量。Mn0為基因相互作用網絡中的節點的數量。用戶對使用節點數量還是使用邊數量進行設置。然而，當假設分析的目的是推斷基因在生物學事件等中的作用時，基因的作用可能依賴於作為相互作用夥伴的基因。因此，通過邊的數量來計算的覆蓋率(1)是優選的。通過邊的數量來計算覆蓋率等同於按基因相互作用來計算覆蓋率。
在圖10所示的示例中，當通過邊的數量來計算覆蓋率時，聯合網絡1000具有5條邊而基因相互作用網絡800具有7條邊。因此，覆蓋率C是5/7。
第二條件設置單元709設置對分析對象的覆蓋率進行限制的條件。對分析對象的覆蓋率進行限制的條件對表示應當被共同地包括在多個部分網絡中的基因相互作用的邊的數量進行限制。例如，設置了指定覆蓋率Ct。該指定覆蓋率Ct是上述覆蓋率的閾值。當提高聯合網絡的總體覆蓋率時，增大指定覆蓋率Ct的值。
覆蓋率判斷單元710對覆蓋率C是否滿足第二條件進行判斷。例如，覆蓋率判斷單元710對所計算出的覆蓋率C是否等於或高於指定覆蓋率Ct進行判斷。如果覆蓋率C等於或高於指定覆蓋率Ct，則增大了部分網絡集合510的總體覆蓋率。部分網絡集合510成為覆蓋率C的計算源。
因此，滿足了對提高覆蓋率的用戶請求。在此情況下，部分網絡生成單元704輸出成為覆蓋率C的計算源的部分網絡集合510。另一方面，如果覆蓋率C低於指定覆蓋率Ct，則減小了成為覆蓋率C的計算源的部分網絡的總體覆蓋率。因此，用戶請求未得到滿足。
在此情況下，閾值調節單元702將閾值T降低預定量ΔT。當將閾值降低了ΔT時，檢測單元703從相關性DB 400中檢測出基因相互作用Ij。基因相互作用I中的基因相互作用Ij與疾病Dk中的任何一個之間具有等於或高於被降低了ΔT後的預定閾值T的相關性Rjk。因此，增加了所檢測出的基因相互作用的數量，因而由部分網絡生成單元704生成的部分網絡變大。因此，聯合網絡也變大。當前計算出的覆蓋率C是比先前計算出的覆蓋率C更大的值。
可以通過分級地調節閾值T來對在所輸出的多個部分網絡中共同包括的基因相互作用的數量進行控制。因此，例如，如果對所有輸出的部分網絡進行分析，則可以滿足以下用戶請求。用戶請求保證可以對在原始基因相互作用網絡中包括的大部分相互作用進行綜合分析。
以此方式，當將基因相互作用網絡800和2100分成各生物學事件(疾病)時，生成處理單元503可以提供合適大小的部分網絡。此外，生成處理單元503可以將基因相互作用網絡800和2100的部分網絡的覆蓋率提高到極限程度。
如果覆蓋率高，則聯合網絡1000中的節點數量和邊數量增加，因而聯合網絡1000中的基因相互作用變複雜。然而，基因相互作用網絡800是針對每個生物學事件而生成的。因此，可以獲得被合適地縮放到用於進行分析所需的最小尺寸的部分網絡901到903。
圖11是分類處理單元504的框圖。分類處理單元504包括獲取基準設置單元1101、邊數量調節單元1102、部分網絡獲取單元1103、交疊計算單元1104、邊數量設置單元1105以及分類單元1106。
首先，獲取基準設置單元1101對作為部分網絡獲取單元1103獲取部分網絡的獲取基準的邊數量Ne進行設置。邊數量Ne的初始值例如是部分網絡集合510中的邊數量中的最大邊數量Nmax。
邊數量調節單元1102對獲取基準進行調節，使得邊數量分級地減小。具體來說，邊數量Ne按預定數量(例如1)減小。如果在部分網絡集合510中沒有邊數量為Ne的部分網絡，則將邊數量Ne減小。
部分網絡獲取單元1103從部分網絡集合510中獲取具有由獲取基準設置單元1101設置的邊數量Ne的部分網絡。如果在部分網絡集合510中沒有邊數量為Ne的部分網絡，則邊數量調節單元1102將邊數量Ne減小。
部分網絡獲取單元1103從部分網絡集合510中獲取具有已由邊數量調節單元1102調節的邊數量Ne的部分網絡。如果在部分網絡集合510中沒有可獲取的部分網絡，則完成了獲取處理。
交疊計算單元1104對邊數量為Ne的部分網絡(以下稱為「已獲取部分網絡」)與早先被選擇為分析對象的部分網絡的集合S(分析對象部分網絡集合)的相互交疊程度進行計算。具體來說，計算已獲取部分網絡與分析對象部分網絡集合S共享的邊數量(公共邊的數量Nc)作為交疊度。
邊數量設置單元1105將邊數量Ncu(Ncu≥1)設置為分類基準。邊數量Ncu是由分類單元1106用來對部分網絡集合510進行分類的基準。邊數量Ncu由用戶指定。邊數量Ncu是部分網絡與分析對象部分網絡集合S共有的公共邊的數量Nc的上限。部分網絡是由部分網絡獲取單元1103獲取的。由分類單元1106對分析對象部分網絡集合S進行分類。
分類單元1106基於所述交疊度將部分網絡集合510中的部分網絡分類成分析對象和非分析對象。具體來說，基於公共邊數量Nc和邊數量Ncu，將所獲取的部分網絡分成分析對象的部分網絡(以下稱為「分析對象部分網絡」)和非分析對象的部分網絡(以下稱為「非分析對象部分網絡」)。
當將公共邊數量Nc與作為公共邊數量Nc的上限的邊數量Ncu進行比較並且Nc＞Ncu不成立時，分類單元1106將已獲取部分網絡確定為新選定的部分網絡。分類單元1106將該已獲取部分網絡加入分析對象部分網絡集合S中。如果分析對象部分網絡集合S是空集(S＝Φ)，或者換句話說存在非分析對象部分網絡，則Nc＝0。因此，將該已獲取部分網絡確定為分析對象部分網絡並將其加入分析對象部分網絡集合S。
圖12是用於例示由分類單元1106進行的部分網絡分類處理的示意圖。由生成處理單元503最終生成圖12所示的部分網絡1201到1203。
部分網絡1201與疾病注釋200的段落1-1(疾病D1)相關聯。部分網絡1202與疾病注釋200的段落1-2(疾病D2)相關聯。部分網絡1203與疾病注釋200的段落2-1(疾病D3)相關聯。
如果部分網絡1201是所選定的部分網絡並且部分網絡1202是已獲取部分網絡，則邊E12、E13以及E23是共享邊(由圖12中的粗線表示)。因此，部分網絡1201與1202的公共邊數量Nc是3條邊。
以此方式，從輸出處理單元505輸出了最終在分析對象部分網絡集合S中的部分網絡。在圖12中的示例中，首先，從部分網絡集合510獲取具有最大邊數量Ne(4條邊)的部分網絡1201。此時不存在分析對象部分網絡。因此，將具有最大邊數量Ne(4條邊)的部分網絡1201確定為分析對象部分網絡並將其加入分析對象部分網絡集合S。
將具有最大邊數量Ne的部分網絡1201無條件地確定為分析對象部分網絡。因此，可以覆蓋邊數量等於或少於最大邊數量Ne且等於或高於與部分網絡1201共享的公共邊數量Nc的部分網絡的基因相互作用。
接著，部分網絡獲取單元1103從部分網絡集合510中獲取邊數量Ne＝3的部分網絡1202。同樣，部分網絡1203中的邊數量Ne＝3。如果多個部分網絡具有相同的邊數量Ne，那麼可以獲取這些部分網絡中的任何一個。
這裡，首先獲取部分網絡1202。交疊計算單元1104計算與分析對象部分網絡集合S內的部分網絡1201共有的公共邊數量Nc。在此情況下，如圖12所示，公共邊數量Nc＝3。如果上限Ncu＝2，則滿足Nc＞Ncu。因此，不將部分網絡1202確定為分析對象部分網絡。
換句話說，在部分網絡1201中包括指定部分網絡1202的基因相互作用的節點N1到N3和邊E12、E13以及E23。因此，可以將部分網絡1202從分析對象中排除掉。因此，可以抑制作為分析對象的分析對象部分網絡的交疊，因而可以更有效率地執行分析。
最後，部分網絡獲取單元1103從部分網絡集合510獲取邊數量Ne＝3的部分網絡1203。部分網絡1203與部分網絡1201共有的公共邊數量是Nc＝0。因此，將部分網絡1203加入分析對象部分網絡集合S作為新的分析對象網絡。選擇部分網絡1201和1203作為分析對象部分網絡。
圖13和圖14是分析對象部分網絡的顯示示例。如圖13所示，將各分析對象部分網絡的詳細信息1311顯示在顯示屏面1300的左窗格1301上。詳細信息1311例如是針對每種疾病D1到D9的分析對象部分網絡的節點量、邊數量以及累積覆蓋率。
可以通過圖1所示的鍵盤110或滑鼠111來指定每種疾病D1到D9。通過察看詳細信息1311，用戶可以指定用戶希望分析的疾病的分析對象部分網絡。當用戶例如指定了疾病D3時，在右窗格1302上顯示出表示與所指定的疾病D3有關的部分網絡的網絡圖1312。
如圖14所示，顯示了與詳細信息1311不同的詳細信息1411。將圖2所示的疾病注釋200的知識樹1412的主體顯示為詳細信息1411。將疾病D1到D9顯示在樹1412的端部處。
如圖13所示，可以通過鍵盤110或滑鼠111來指定疾病D1到D9中的每一個。通過察看詳細信息1411，用戶可以指定用戶希望分析的疾病的分析對象部分網絡。當用戶例如指定了疾病D3時，在右窗格1302上顯示出表示與所指定的疾病D3有關的部分網絡的網絡圖1312。
圖15是由相關性計算單元501進行的相關性計算處理的流程圖。獲取圖2所示的疾病注釋200(步驟S1501)。從醫學文獻DB中提取電子文獻A1到An(步驟S1502)。相似度計算單元511對疾病注釋200中的說明200-k與各電子文獻Ai之間的相似度進行計算(步驟S1503)。說明200-k指定疾病Dk。相關性設置單元512對基因相互作用Ij與疾病Dk之間的相關性Rjk進行設置(步驟S1504)。
相關性DB 400保持所設置的相關性Rjk(步驟S1505)。然後，對在疾病注釋200內是否存在未處理說明進行判斷(步驟S1506)。如果存在未處理說明(步驟S1506是)，則處理返回到步驟S1503並對未處理說明與各電子文獻Ai之間的相似度進行計算。同時，若不存在未處理說明(步驟S1506否)，則完成了處理系列。因此，可以自動構造出相關性DB 400。
圖16是由設備500執行的處理的流程圖。首先，執行初始設置(步驟S1601)。在初始設置中，設置如下量相關性R的閾值T、相關性R的減小量ΔT、作為合成網絡的合成源的部分網絡的節點量和邊數量(預定值Na)、指定覆蓋率Ct、公共邊數量Nc的上限Ncu等。將相關性E的閾值T設置為相關性R的上限。
接著，生成處理單元503執行部分網絡生成處理(步驟S1602)。分類處理單元504執行部分網絡分類處理(步驟S1603)。輸出處理單元505對分析對象部分網絡執行顯示處理(步驟S1604)。因此，可以顯示分析對象部分網絡的詳細信息1311和詳細信息1411以及網絡圖1312，如圖13和圖14所示的那些。
圖17是部分網絡生成處理的流程圖。首先，將相關性R的閾值T設置為Tmax(步驟S1701)。相關性Rjk的上限＝1，因此，T＝1。
接著，對在相關性DB 400中是否存在基因相互作用Ij進行判斷(步驟S1702)。基因相互作用Ij與疾病Dk中的任何一個之間具有等於或高於閾值T的相關性Rjk。如果不存在基因相互作用Ij(步驟S1702否)，則將閾值T減小ΔT(步驟S1703)並且處理返回到步驟S1702。
同時，如果在相關性DB 400中存在對應的基因相互作用Ij，則從相關性DB 400中檢測出所有基因相互作用Ij(指定了基因相互作用Ij的多個基因的組合)(步驟S1704)。
針對每種疾病對基因相互作用網絡800進行劃分，然後生成了部分網絡901到903(步驟S1705)。接著，聯合網絡生成單元707從部分網絡901到903中提取節點數量(或邊數量)為Na的部分網絡(步驟S1706)。然後，聯合網絡生成單元707生成聯合網絡1000(步驟S1707)。覆蓋率計算單元708對聯合網絡1000的覆蓋率進行計算(步驟S1708)。
然後，覆蓋率判斷單元710判斷是否滿足C≥Ct(步驟S1709)。如果不滿足C≥Ct(步驟S1709否)，則處理返回到步驟S1703。通過處理循環來減小閾值T，從而增加在步驟S1704處檢測到的基因相互作用的數量。因此，可以利用減小量ΔT來逐漸增加步驟S1707處的聯合網絡。可以提高部分網絡集合510的基因相互作用網絡800的覆蓋率。
同時，如果滿足C≥Ct(步驟S1709是)，則保持部分網絡901到903(步驟S1710)。然後，處理返回到部分網絡分類處理(步驟S1603)。
圖18是部分網絡分類處理的流程圖。將獲取基準設置為部分網絡集合510中的部分網絡的邊數量中的最大邊數量(Ne＝Nmax)。在初始階段，分析對象部分網絡集合S是空集(S＝Φ)(步驟S1801)。
在步驟S1802處，部分網絡獲取單元1103對在部分網絡集合510中是否存在邊數量為Ne的部分網絡進行判斷。如果在部分網絡集合510中存在這種部分網絡(步驟S1802是)，則獲取邊數量為Ne的部分網絡(步驟S1803)。然後，交疊計算單元1104對所獲得的部分網絡與分析對象部分網絡集合S內的部分網絡共有的公共邊數量Nc進行計算(步驟S1804)。在初始階段，S＝Φ，因此，公共邊數量Nc＝0。
然後，判斷是否滿足Nc＞Ncu(步驟S1805)。如果不滿足Nc＞Ncu(步驟S1805否)，則將所獲得的部分網絡加入分析對象部分網絡集合S(步驟S1806)，然後處理返回到步驟S1802。同時，如果滿足Nc＞Ncu(步驟S1805是)，則處理在不將所提取的部分網絡加入分析對象部分網絡集合S的情況下返回到步驟S1802。
如果在步驟S1802處不存在邊數量為Ne的部分網絡(步驟S1802否)，則對邊數量Ne是否為部分網絡集合510中的最小邊數量Nmin進行判斷(步驟S1807)。
如果Ne不等於Nmin(步驟S1807否)，則將邊數量Ne遞減(步驟S1808)，然後處理返回到步驟S1802。同時，如果Ne＝Nmin(步驟S1807是)，則保持分析對象部分網絡集合S(步驟S1809)。然後，處理進行到顯示處理(步驟S1604)。
以此方式，根據以上實施例，針對每個生物學事件(疾病等)將基因相互作用網絡(800和2100)劃分成具有合適大小的多個部分網絡。此外，提高了這些部分網絡的整體覆蓋率。
因此，在考慮與所關注的疾病之間的關係的情況下，用戶可以從數量上相對少的，具有便於分析的大小的部分網絡中選擇待優先分析的部分網絡。因此，針對其中可以看到基因表現中的變化的基因簇，可以從大量可能的基因相互作用中容易地選擇出所關注的基因相互作用。
在由輸出處理單元505進行的顯示處理中(步驟S1604)，顯示內容如圖13和圖14所示。然而，也可以進行其它形式的顯示。圖19是分析對象部分網絡顯示的另一顯示示例的示意圖。當從左窗格1301中的詳細信息1311中選擇例如疾病D3時，在上右窗格1903中顯示與疾病D3的部分網絡類似的部分網絡的詳細信息1913。可以通過公共節點和公共邊的數量來判斷部分網絡是否類似。
如果在上右窗格1903中的疾病D10到D12中指定例如疾病D10，則在右窗格1302中顯示合成網絡的網絡圖1900。該合成網絡是在左窗格1301中指定的疾病D3的部分網絡與在上右窗格1903中指定的疾病D10的部分網絡的合成。
在右窗格1302中的網絡圖1900中，根據疾病對節點上色。將公共節點上色成相同顏色。當邊的兩端的節點指定不同的基因或相同的基因時，以及當邊的兩端的節點中的任何一個是公共節點時，將這些節點上色成不同的顏色。因此，在顯示這些節點時，便於在視覺上理解。
圖20是由圖19所示的顯示示例的輸出處理單元505進行的顯示處理的流程圖。首先，對分析對象部分網絡的詳細信息1311進行顯示(步驟S2001)。然後，輸出處理單元505等待從詳細信息1311中對疾病的指定(步驟S2002否)。
當接收到對疾病(例如疾病D3)的指定時(步驟S2002是)，顯示與疾病D3有關的分析對象部分網絡的網絡圖1312(見圖13)(步驟S2003)。
還顯示與所指定的疾病D3的部分網絡類似的部分網絡的詳細信息1913(步驟S2004)。輸出處理單元505等待從詳細信息1913中對疾病的指定(步驟S2005否)。當接收到對疾病(例如疾病D10)的指定時(步驟S2005是)，顯示合成網絡的網絡圖1900(步驟S2006)。該合成網絡是疾病D3的部分網絡與疾病D10的部分網絡的合成。然後，完成了該系列處理。
根據該顯示處理，可以通過指定用戶希望分析的多個疾病，來顯示出表示多個疾病的基因相互作用的合成網絡。因此，即使用戶希望關注於多個疾病，也可以提供大小合適的具有提高了的總體覆蓋率的合成網絡。此外，可以便於對基因相互作用進行分析。
根據本實施例，用戶可以對針對每個生物學事件生成的基因相互作用的部分網絡進行選擇和分析。因此，即使在原始基因相互作用網絡中存在由各種生物學事件導致的基因相互作用，用戶也可以通過將分析縮減到只對與所指定的生物學事件有關的部分進行分析來高效地執行分析。
此外，根據本實施例，當基於與生物學事件之間的相關性來選擇基因相互作用時，可以自動地確定相關性R的閾值。可以選擇與生物學事件之間具有等於或高於該閾值的相關性R的基因相互作用。因此，可以滿足針對待生成的個體部分網絡的大小和複雜度的預定條件和針對在所生成的多個部分網絡中應當共同地包括的基因相互作用的數量的預定條件。
針對部分網絡的大小的條件可以是要包括在各部分網絡中的基因的數量的範圍等。針對部分網絡的複雜度的條件可以是要包括在各部分網絡中的基因相互作用的數量的範圍(或基因的數量與基因相互作用的數量之比)等。針對在所述多個部分網絡中應當共同地包括的基因相互作用的數量的條件可以是基於在原始基因網絡中包括的基因相互作用的比例(覆蓋率)等。
因此，可以對待成為候選分析對象的部分網絡的大小和複雜度進行控制。因此，可以對具有簡單結構的小規模部分網絡進行分析。還可以對在所輸出的多個部分網絡中共同包括的基因相互作用的數量進行控制。因此，如果對所有輸出的部分網絡進行分析，可以滿足以下用戶請求。該用戶請求保證可以對在原始基因相互作用網絡中包括的大部分相互作用進行綜合分析。
此外，根據本實施例，對各部分網絡與另一部分網絡(其包括比前者更多的基因相互作用)之間的基因相互作用的交疊(邊交疊)進行計算。如果與任何部分網絡之間的交疊都大於預定比例，則將該部分網絡從分析對象中排除。因此，可以選擇這些部分網絡中的彼此之間具有大差異的代表性部分網絡作為分析對象部分網絡。
因此，可以只將具有大差異的代表性部分網絡處理成分析對象部分網絡。因此，可以通過只對相對小數量的部分網絡進行分析來分析大數量的基因相互作用。
此外，根據本實施例的另一方面，通過與高度相似於非分析對象部分網絡(在所包括的基因相互作用之間的差異很小)的分析對象部分網絡之間的對應關係，還可以從分析對象部分網絡中獨立地輸出非分析對象部分網絡。
因此，在指定了具有高重要性的代表性分析對象部分網絡之後，除了該代表性分析對象部分網絡以外，用戶還可以對類似於該代表性分析對象部分網絡的部分網絡進行更詳細的分析。如果這樣分級地加寬分析範圍，可以在不降低分析效率的情況下對基因相互作用進行綜合分析。所分析的基因相互作用包括在只分析代表性分析對象部分網絡的情況下會忽略掉的基因相互作用(未包括在代表性分析對象部分網絡中的基因相互作用)。
根據一種用於支持基因相互作用網絡分析支持程序的電腦程式、一種記錄有該基因相互作用網絡分析支持程序的記錄介質、一種支持基因相互作用分析網絡的方法以及用於支持對基因相互作用網絡的分析的設備，提供了可易於分析的基因相互作用網絡，從而提高了用戶的分析效率。
可以通過諸如個人計算機和工作站的計算機對程序的執行來實現在本實施例中說明的方法。該程序可預先提供。該程序記錄在可以由計算機讀取的記錄介質(如HD、FD、CD-ROM、MO盤以及DVD)上。由計算機從記錄介質讀出程序以執行該程序。該程序也可以是可以通過諸如網際網路的網絡來發布的傳輸介質。
根據上述實施例，可以提高對基因相互作用網絡的分析效率。
儘管為了充分和清楚公開的目的，針對具體實施例對本發明進行了描述，但是所附權利要求並不由此受到限制，而應被解釋成實現了本領域的技術人員可以想到的落入在此闡述的基本教導之內的所有修改和另選結構。
本申請基於並且要求2006年4月21日提交的在先日本專利申請第2006-118013號的優先權，通過引用將其全部內容合併於此。
權利要求
1.一種支持對基因相互作用網絡進行分析的方法，所述方法包括以下步驟閾值設置步驟，其設置針對生物學事件與基因相互作用之間的相關性的閾值；第一基因相互作用檢測步驟，其從形成所述基因相互作用網絡的多個基因相互作用中檢測具有等於或高於所述閾值的相關性的基因相互作用；以及部分網絡生成步驟，其通過根據所述生物學事件來對檢測出的基因相互作用進行排列來生成針對各生物學事件的多個部分網絡。
2.根據權利要求1所述的方法，其中，所述方法還包括以下步驟閾值調節步驟，當在所述基因相互作用檢測步驟處未檢測到基因相互作用時，所述閾值調節步驟將所述閾值調節成較低值；和第二基因相互作用檢測步驟，其從所述多個基因相互作用中檢測具有等於或高於調節後的閾值的相關性的基因相互作用，其中所述部分網絡生成步驟包括通過對具有等於或高於所述調節後的閾值的相關性的基因相互作用進行排列，來生成所述多個部分網絡。
3.根據權利要求1所述的方法，其中，所述方法還包括以下步驟第一條件設置步驟，其設置對基因的數量和基因相互作用的數量中的任何一個進行限制的條件；和部分網絡提取步驟，其從在所述部分網絡生成步驟處生成的所述多個部分網絡中提取滿足所述條件的部分網絡。
4.根據權利要求1所述的方法，其中，所述方法還包括以下步驟第二條件設置步驟，其設置針對分析對象的覆蓋率的條件；聯合網絡生成步驟，其通過針對各生物學事件對所述多個部分網絡進行排列來生成聯合網絡；覆蓋率計算步驟，其對表示所述聯合網絡被包括在所述基因相互作用網絡中的程度的覆蓋率進行計算；以及判斷步驟，其判斷所述覆蓋率是否滿足所述針對分析對象的覆蓋率的條件，並且所述閾值調節步驟包括當所述覆蓋率不滿足所述針對分析對象的覆蓋率的條件時，將所述閾值調節為較低值。
5.根據權利要求1所述的方法，其中，所述方法還包括以下步驟分類步驟，其基於所述多個部分網絡相互之間的交疊程度，將所述多個部分網絡分類成分析對象和非分析對象。
6.根據權利要求5所述的方法，其中，所述方法還包括以下步驟獲取基準設置步驟，其設置作為用於獲取所述部分網絡的獲取基準的邊數量；獲取基準調節步驟，其對所述獲取基準進行調節，使得所述邊數量分級地減小；部分網絡獲取步驟，其從所述多個部分網絡的集合中獲取其邊數量與所述獲取基準相同的部分網絡；以及交疊程度計算步驟，其對所獲取的部分網絡與被分類成所述分析對象的部分網絡的集合之間的交疊程度進行計算，並且所述分類步驟還包括基於所述交疊程度，將獲取的部分網絡分類成所述分析對象和所述非分析對象。
7.根據權利要求6所述的方法，其中，所述獲取基準調節步驟包括當在所述多個部分網絡中不存在其邊數量與所述獲取基準相同的部分網絡時，通過將邊數量減小預定數量來調節所述獲取基準；並且所述部分網絡獲取步驟包括獲取其邊數量與調節後的獲取基準相同的部分網絡。
8.根據權利要求6所述的方法，其中所述方法還包括分類基準設置步驟，所述分類基準設置步驟將邊數量設置為用於對所述多個部分網絡進行分類的分類基準，並且所述分類步驟包括基於所述交疊程度和所述分類基準，將所述多個部分網絡分類成所述分析對象和所述非分析對象。
9.根據權利要求1所述的方法，其中，所述方法還包括顯示步驟，所述顯示步驟在顯示屏面上顯示所述多個部分網絡。
10.根據權利要求9所述的方法，其中，所述顯示步驟包括當從所述多個部分網絡中指定生物學事件部分網絡時，顯示所述生物學事件部分網絡與類似於所述生物學事件部分網絡的部分網絡的合成網絡。
11.根據權利要求1所述的方法，其中，所述方法還包括相關性設置步驟，所述相關性設置步驟基於對所述生物學事件進行說明的文檔和表示所述基因相互作用的文獻，對所述相關性進行設置，並且所述基因相互作用檢測步驟包括從所述基因相互作用網絡中檢測針對其設置的相關性等於或高於所述閾值的基因相互作用。
12.根據權利要求11所述的方法，其中，所述方法還包括相似度計算步驟，所述相似度計算步驟針對每個文獻，對所述文檔與所述文獻之間的內容相似度進行計算，並且所述相關性設置步驟包括基於所述相似度對所述相關性進行設置。
13.一種用於支持對基因相互作用網絡進行分析的設備，該設備包括以下單元設置單元，其被構造成設置針對生物學事件與基因相互作用之間的相關性的閾值；檢測單元，其被構造成從形成所述基因相互作用網絡的多個基因相互作用中檢測具有等於或高於所述閾值的相關性的基因相互作用；以及生成單元，其被構造成通過根據所述生物學事件對檢測出的基因相互作用進行排列來生成針對各生物學事件的部分網絡。
14.根據權利要求13所述的設備，所述設備還包括調節單元，所述調節單元被構造成在所述檢測單元未檢測到基因相互作用時將所述閾值調節成較低值，其中所述檢測單元被構造成從所述多個基因相互作用中檢測具有等於或高於調節後的閾值的相關性的基因相互作用。
全文摘要
本發明涉及支持基因相互作用網絡分析的方法和設備以及計算機產品。在屏面的左窗格上顯示了各分析對象部分網絡的詳細信息。該詳細信息包括針對每種疾病的分析對象部分網絡的節點數量、邊數量以及累積覆蓋率。基於該詳細信息，用戶可以指定用戶希望分析的疾病的分析對象部分網絡。當用戶指定了疾病時，在右窗格上顯示出表示與所指定的疾病有關的部分網絡的網絡圖。
文檔編號G06F19/26GK101059824SQ200710104440
公開日2007年10月24日 申請日期2007年4月20日 優先權日2006年4月21日
發明者丸橋弘治, 山川宏, 仲尾由雄 申請人:富士通株式會社