基因调控网络推断与共表达分析02 / 16

方法家族全景：假设与数据要求

网络推断方法有上百种，但大致可归入六个家族。DREAM5 评估（Marbach 等, 2012）按类似思路把参赛方法分为回归、互信息、相关、贝叶斯网络、其他与元方法几类，并发现同一家族的方法往往犯相似的错误。下表按“边的统计含义”归纳各家族的核心假设与数据要求。

家族	代表方法	核心假设	数据要求	方向	计算规模
相关 / 共表达	皮尔逊、斯皮尔曼、WGCNA	关联近似单调；模块由共同因子驱动	$n\gtrsim 20$ 的横断面样本	无	全基因组， $O(p^2 n)$
偏相关 / 高斯图模型	收缩偏相关（GeneNet）、图形 LASSO、邻域选择	多元正态；精度矩阵稀疏	$n$ 可小于 $p$ ，但需正则化	无	数千基因
信息论	互信息、CLR、ARACNe、MRNET、PIDC	依赖可由 MI 刻画；DPI 时假设无三元直接环	估计 MI 需要较多样本（数百）	无	全基因组
回归 / 树模型	LASSO、Inferelator、GENIE3、GRNBoost2	靶基因可由少数调控因子预测	需要候选调控因子列表	由先验给定	全基因组，可并行
贝叶斯网络	静态 BN、动态 BN、模块网络	有向无环（静态）；局部条件分布形式	观测数据只能确定等价类；干预或时间数据更好	有（部分可识别）	数十到数百基因
动力学模型	线性 ODE、NIR、SCODE、SINCERITIES	系统由微分方程驱动；稳态或时间导数可估计	扰动后稳态或时间序列/拟时序	有	数十到数百基因

各家族之间并非互斥：Inferelator 把回归写成 ODE 的离散形式；SCENIC 先用树模型找共表达靶基因，再用基序数据库过滤；PIDC 是信息论方法，但专为单细胞设计。

DREAM5 的一个结论是：没有哪个家族在所有数据上都最好，不同家族各有偏好的网络结构（例如对级联、前馈环的识别能力不同），把多种方法的排序取平均往往最稳健（见 Marbach 2012）。实际分析中，若关键结论只在一种方法下成立，应当视为不稳健。

继续阅读