设备

计算要求
1. 用户需要准备一台安装了R 4.1.0或以上版本的台式机/笔记本电脑。

安装包（GitHub 页面存储库中的教程摘要）
1. 运行“ install.packages ()”函数安装所需的包，包括“ pROC ”、“np”、“splines2”、“ grpreg ”、“Matrix”、“ igraph ”、“ggplot2”，以及可选包“ ranger”、“ XGBoost ”和“ dplyr ”。
2. 运行函数“ devtools :: install_github ()”来安装包“ DRDNetPro ”。如果尚未安装，请运行函数“ install.packages ()”来安装包“ devtools ”。

软件

软件列表
1. DRDNetPro （陈志祥， https://github.com/chencxxy28/DRDNetPro ）
2. 图（ igraph核心团队， https ://igraph.org/r/ ）
3. ggplot2（Hadley Wickhan ， https: //ggplot2.tidyverse.org/ ）

用于演示的数据集
的demo数据可以从网站https://chencxxy28.github.io/DRDNetPro/articles/web/data.html下载，其中最初来自GTEx项目。基因表达数据是从血管和来自供体的表型信息的去识别化子样本中收集的。

程序

为了预测与疾病风险相关的伪动态网络，我们需要每个受试者的以下输入：预测的疾病风险（以下称为“代理”）、一个感兴趣的协变量（例如吸烟）和预处理的基因表达数据。下面列出了如何生成代理、训练网络模型和可视化结果的详细过程。
所有程序、用于说明的演示数据以及以下过程的简短教程都可以在我们的 GitHub 存储库 ( https://chencxxy28.github.io/DRDNetPro/articles/NAME-OF-VIGNETTE.html ) 中找到。

A. 预测代理（GitHub 存储库中的教程 1）

1. 准备数据以训练代理的预测值
在预测智能体之前，用户需要准备模型训练的数据。数据需要是一个矩阵，包括第一列中的结果和其余列中的所有潜在预测变量。不要将截距作为一列包括在内。该协议中的结果值为 0 和 1，分别对应于健康和疾病d受试者。当前的生物协议中没有考虑具有多个类别的更复杂的结果，因为我们认为这是未来的工作。对于多类别的情况，一种补救措施是将结果分类为二进制，这在实践中也经常应用。矩阵中的所有值都应该是数字。在此训练过程中允许缺失数据，但始终建议将完整数据作为输入。
为了演示，我们在本教程中准备了一个玩具数据示例，可以从https://chencxxy28.github.io/DRDNetPro/articles/web/data.html访问。请参阅下面的数据分析部分中的详细信息。
2. 选择训练方法
没有唯一的方法来预测代理。可以应用统计回归模型或机器学习算法。在我们的程序中，我们允许用户指定以下常用方法：常规逻辑回归、随机森林和XGBoost 。
a. 逻辑回归——这是预测疾病风险的最传统的统计工具，这将导致概率尺度的风险。运行R中的函数“ glm ( )”来拟合训练模型，然后运行“fitted()”来提取预测的agent。
b. 随机森林——这是一种带有决策树集合的机器学习方法。它构建并组合多个决策树以产生更准确的预测。它是一种非线性分类算法。有几个 R 包可用于实现随机森林。我们提供基于包“ranger”的演示代码。 “ranger”所需的数据应该是矩阵形式，其中结果应该是一个因素，以便能够运行分类树。准备好数据后，运行函数“ ranger( )”训练模型，运行函数“predict()”提取预测代理。
c. XGBoost——这是另一种机器学习方法，具有梯度提升框架的高效实现。它提供内置的 k 折交叉验证 (CV) 随机梯度提升机，以及列和行采样（每个拆分和每个树）以实现更好的泛化。我们提供基于包“ XGBoost ”的演示代码。 “ XGBoost ”需要特定类型的输入数据，其中应单独存储响应和预测变量。本教程提供了准备所需数据的系列代码（详见教程 1）。准备数据后，运行函数“ xgb.cv( )”以获得初始预测模型。然后，运行函数“ dplyr :: summarize ()”来提取调整后的参数，即。 , 树的数量。最后，运行函数“ xgboost ( )”来训练数据，运行“predict()”来提取预测的代理。
3. 预测和评估代理
a. 准备训练和测试数据——当代理模型被拟合时，最好检查它的预测性能。请注意，伪动态网络对智能体的值很敏感，对疾病风险具有良好预测能力的智能体是首选。为了评估其预测性能，我们考虑接受者操作特征曲线 (AUC-ROC) 下面积的度量。为了避免过拟合问题，我们需要一个测试数据集。出于说明目的，我们通过随机拆分原始数据来人工创建训练和测试数据，两个构建的数据集之间没有重叠。训练数据用于数据拟合，而测试数据用于预测评估。运行函数“ sample( )”生成这两个数据集。在实际应用中，另一种验证预测性能的方法是使用来自外部源的相同但独立采样的数据作为测试集。
b. 生成 AUC-ROC 图——根据训练数据拟合模型后，通过运行函数“ glm ( )”，通过运行函数“predict()”提取基于测试数据的预测代理。运行函数“roc”来生成绘图。 AUC-ROC 值越大表示预测模型越好。

B. 训练网络模型（GitHub 存储库中的教程 2）

1. 准备用于训练网络的数据
a. 过滤和转换——为了构建基因-基因网络，用户需要对基因表达数据进行预处理，通过归一化，排除低表达基因，如果需要，进行转换以消除偏度和减少方差。
b. 筛选——为了学习疾病风险相关网络，应包括随着代理变化而显示变化表达模式的基因，这与基于关联的网络不同。可以考虑两种选择程序：
i. 为了测试差异表达的基因，在调整协变量并应用 Hochberg 多重检验校正（调整后的 P 值 <0.05）后，运行函数“ test_screen （） ”以定位显示疾病组之间差异的基因。
ii. 筛选基因，请运行函数“ spearman_screen ( )”以查找在表达与预测代理之间显示高度关联的基因。选择顶部（例如，顶部 40）最相关的基因。执行单独的筛选以检查是否考虑了多个同质组。通过结合两个选择程序来确定最终基因。
iii. 可以根据先前的生物学知识（即 GO 富集分析）进行可选筛选。
2. 训练变系数模型
a. 优化数据——在构建网络之前，每个选定的基因都应该通过变系数模型进行拟合。该模型通过Kernel/Spline regression估计某个agent的系数动态特征，非常适合重构伪动态网络的场景。我们将读者推荐给 Chen 等人。 (2022) 了解更多技术细节。当两个主体具有相同的代理值时，这意味着来自这两个主体的表达数据没有信息。运行本教程中的 R 代码以优化数据，方法是删除代理彼此距离太近的数据。
b. 拟合模型——精炼数据后，运行函数“ vc.fit ( )”来拟合具有协变量（例如，吸烟）的变系数模型。
c. 检查拟合曲线——运行函数“ plot( )”和“lines()”来检查数据的拟合情况。用户还可以使用包“ggplot2”进行可视化。
3. 为网络模型生成基础矩阵
a. 基础矩阵是网络以非参数方式学习的关键组成部分。运行函数“ base.construct ()”为协变量的不同系数（例如，吸烟）构建不同截距的基矩阵和基矩阵。默认节点为下四分位数和上四分位数，度数=3，与三次样条相关。
b. 输出 - 基于不同截距 ( X_big )、不同协变量效应 ( X_big_cov )、包含 1 的列的不同截距 (X_big_int) 以及包含 1 的列 ( X_big_int_cov ) 的不同协变量的四个矩阵的列表。
4. 训练网络
a. 构建基本矩阵后，用户应运行函数“ network.learn ()”来训练网络结构。此功能需要输入设计矩阵、结果和组信息，以及选择调整参数的方法。
设计矩阵——提取上一步构建基矩阵的输出结果，其中包括
i. data_observe ：基因表达矩阵。
ii. x_cov ：向量，包括感兴趣的协变量的数值（例如，吸烟：0 和 1）。
iii. X_big_int ：基于不同截距的矩阵，其中一列包含一个。
iv. X_big_int_cov ：基于可变系数的矩阵，其中一列包含一个。
v. 代理人：从教程 1 中获得的预测疾病风险。
b. 确定调整参数——多种方法可用于调整超参数，包括 5 倍 CV (CV5)、10 倍 CV (CV10)、Akaike 信息准则 (AIC) 、贝叶斯信息准则 (BIC) 和经验 BIC (EBIC) ).在函数“ network.learn ()”中使用参数“cv”来指定首选方法。
c. 网络学习的输出——此输出包括有关节点大小、交互和协变量效应的信息。所有这些都将在下一步中用于可视化结果。
i. 节点大小信息：基线自身节点大小、协变量效应自身节点大小、整体自身节点大小。
ii. 相互作用信息：来自基线的基因相互作用效应、来自协变量的基因相互作用效应、整体基因相互作用效应。
iii. 协变量效应信息：协变量效应、基线的趋势效应、协变量的趋势效应。

C. 可视化结果（GitHub 存储库中的教程 3）

1. 从训练好的网络模型中提取结果
读取教程 2 中网络学习的输出数据，其中包括network.output 、 data.list.t3 和gene.names 。
2. 可视化具有给定代理值范围的网络
a. 基线网络——为了可视化给定代理（疾病风险）值的伪动态网络，一个有用的工具是包“ igraph ”。它允许自行设计网络结构。有关“ igraph ”的更多详细信息，请参阅教程 ( https://igraph.org/r/ )。运行演示代码以可视化恢复的基线网络（例如，非吸烟组），其中代理正在从无风险变为高风险。
b. 协变量效应网络——运行演示代码以可视化三个恢复的协变量效应（例如，吸烟引起的效应）网络，其中代理从无风险变为低/中/高风险（数据驱动或主观切点）根据风险等级选择）。
3. 可视化给定基因在代理范围内的交互行为
选择一个感兴趣的特定基因，并运行演示代码以绘制代理整个范围内的趋势效应和交互效应。

数据分析

本节的目标是应用上面详述的程序来学习和可视化血管组织中与高血压风险相关的伪动态基因-基因网络。用于说明上述过程的示例数据来自GTEx项目，包括来自血管的基因表达数据和来自捐赠者的表型信息的去识别子样本。请注意，原始表型数据是机密和受保护的。本协议中使用的说明数据已取消识别，是原始数据的一个子集。有关数据分析的详细信息在原始论文 (Chen et al., 2022) 以及我们的 GitHub 存储库中。下面列出了摘要。
1. 使用表型数据（名为“ pheno_used ”）来预测患高血压的风险。可以在 GitHub 存储库中的教程 1 中找到预测的疾病风险。
2. 基于高血压的推算疾病风险，使用基因表达数据（称为“数据容器”）拟合变系数模型，构建基矩阵，然后训练网络学习模型。
3. 可视化基线网络（非吸烟组），因为患高血压的风险正在从无风险变为高风险（GitHub 存储库教程 3 中的图 1 和原始论文中的图 3）。可视化与吸烟效应相关的网络，因为患高血压的风险正在从无风险变为低风险、中等风险和高风险（GitHub 存储库教程 3 中的图 2 和原始论文中的图 3）。
4. 此外，我们选择 C3orf70 基因来可视化整个高血压风险范围内的交互行为以进行说明。该基因是在先前的筛选步骤中选择的，并在文献中显示与高血压以及神经和神经行为发育有关（ Samblas等人，2019 年）。在GitHub仓库的图3-6中，吸烟对目的基因的表达有负面影响，检测到CTSD、GALNT4、NDUFA4L2、RCN3基因抑制目的基因的表达。

致谢

吴的工作得到了国家心脏、肺和血液研究所 (NHLBI) 的 Grant U01 HL119178 和国家儿童健康与人类发展研究所 (NICHD)、美国国立卫生研究院的 5R01HD086911-02 的部分支持。 Wang 的研究得到了国家转化科学推进中心 (NCATS) 的 Grants KL2 TR000126 和 TR002015 以及凯斯西储大学的启动资金的部分支持。 Yu 的工作得到了中央高校基本科研业务费专项资金（批准号 JZ2022HGQA0151）的支持。内容完全由作者负责。
得出该协议的原始研究论文：Chen 等人。 (2022) 发表在生物信息学上。

利益争夺

作者声明不存在竞争利益。

参考

Chen, C., Jiang, L., Fu, G., Wang, M., Wang, Y., Shen, B., Liu, Z., Wang, Z., Hou, W., Berceli , SA 和 Wu , R. (2019)。个性化基因调控网络的全方位可视化模型。 NPJ 系统生物学应用 5：38 。
Chen, C., Jiang, L., Shen, B., Wang, M.、Griffin, CH、 Chinchilli , VM 和Wu, R。 (2021)。组织特异性调控网络的计算图集。前沿系统生物学 https://doi.org/10.3389/fsysb.2021.764161 。
Chen, C.、Shen, B.、Ma, T.、Wang, M. 和 Wu, R. (2022)。用于从静态数据中恢复伪动态网络的统计框架。生物信息学38(9)：2481-2487。
Griffin, C.、Jiang, L. 和 Wu, R. (2020)。准动态常微分方程分析和准动态复制器。物理学A 555：124422。
联盟，GT (2020)。 GTEx 联盟对人体组织的遗传调控影响图集。科学369(6509)：1318-1330。
Malatras , A.、 Michalopoulos , I.、 Duguez , S.、Butler-Browne, G.、 Spuler , S. 和 Duddy, WJ (2020)。 MyoMiner：探索正常和病理肌肉中的基因共表达。 BMC 医学基因组学13(1)：67。
Oliva, M., Munoz-Aguirre, M., Kim-Hellmuth, S., Wucher , V., Gewirtz, ADH, Cotter, DJ, Parsana , P., Kasela , S., Balliu , B., Vinuela , A ., 等。（2020）。性别对人体组织基因表达的影响。科学369(6509)：eaba3066。
Saha , A.、Kim, Y.、Gewirtz, ADH、Jo, B.、Gao, C.、McDowell, IC、Consortium, GT、Engelhardt, BE 和 Battle, A.（2017 年）。共表达网络揭示了转录和剪接的组织特异性调控。基因组研究27(11)：1843-1858。
Wu, R. 和 Jiang, L. (2021)。在大型静态数据集中恢复动态网络。 Phys Rep第 912 卷：1-57。
Samblas , M.、Milagro, FI 和 Martinez, A.（2019 年）。肥胖、代谢综合征和体重减轻中的 DNA 甲基化标记。表观遗传学14(5)：421-444。