博文

MAPA：功能模块发现和解释的语义网络框架

已有 586 次阅读 2026-10-11 18:40 |个人分类:科普|系统分类:科普集锦

MAPA：功能模块发现和解释的语义网络框架

多组学技术通过对转录本、蛋白质和代谢物的分子变化进行全面分析，改变了生物医学研究。这些进展提供了前所未有的机会来研究跨多个分子层的生物系统及其相互作用，并揭示生理和病理过程的机制。然而，一个核心挑战仍然存在：如何将复杂的分子特征转化为连贯的、具有生物学意义的见解。因此，从高维数据中识别结构化和可解释的功能模块已成为多组学数据解释的重要策略。

为了应对这一挑战，人们开发了多种多组学整合方法。其中，基于网络的方法对于面向机制的分析特别有吸引力，因为它们可以代表异质分子及其在共享生物框架内的相互作用。例如，知识引导的分子网络可以通过精心策划的相互作用连接基因、蛋白质和代谢物，从而支持模块发现和解释。然而，一些方法直接将模块识别为密集连接的局部子网。因此，他们可能会忽略参与相同功能主题但主要通过间接关系而不是明显的拓扑邻近性连接的分子。为了解决这一限制，开发了网络传播来量化网络全局结构的功能相关性。特别是，随机游走（RWR）通过网络扩散信息并产生稳态分布，此处称为扩散曲线，反映系统内节点的全局接近度。尽管 RWR 通常用于候选优先级排序或局部子网提取，但生成的扩散剖面也可以解释为感兴趣节点的影响如何在网络中传播的表示。因此，比较这些配置文件为根据全局传播模式量化节点之间的功能相似性提供了自然的基础。

另一种广泛采用的解释多组学数据的策略是路径分析，其中将差异分子映射到策划的生物通路上，以识别与表型相关的通路。通过利用先验知识，该策略为分子特征的背景化提供了一个可解释的框架。然而，丰富的通路通常被视为下游解释，而不是网络的结构化组成部分。即使富集的通路被纳入作为额外的网络层，功能相关的通路仍然是断开的。因此，将通路相似性整合到网络中可以扩展功能景观，即使在没有直接分子相互作用边缘的情况下，也可以将相关通路及其相关分子连接起来。

即使确定了连贯的多组学模块，其生物学解释仍然是劳动密集型的并且难以标准化。当模块包含异质分子和通路时，这一挑战尤其明显，因为支持证据通常在研究中支离破碎，并且在生物医学文献中持续迅速扩展。大语言模型（LLM）的最新进展为标准化模块级解释提供了一条实用通路，因为LLM可以总结异质生物信息并综合分布在通路数据库和文献中的证据。当与检索增强生成（RAG）相结合时，可以动态地整合文献证据，改善事实基础，同时减轻幻觉。这为全面的模块级解释提供了一种可扩展的方法。

更根本的是，现有方法缺乏生物功能的统一计算表示。因此，功能模块发现和生物学解释仍然是碎片化的过程，通常需要领域专家进行大量的手动合成。这种限制在多组学研究中变得尤其明显，其中转录本、蛋白质和代谢物存在于根本不同的特征空间中，并且不能使用传统的相似性度量直接进行比较。

在这里，Ge等人介绍 MAPA（使用 LLM 的模块化分析和表型知情注释，图1，https://www.shen-lab.org/mapa-website/），这是一种基于网络的框架，用于多组学数据中的功能模块发现和解释。MAPA 建立在已建立的基于文本嵌入的路径相似性和多重异构网络上的随机游走的基础上。其主要贡献是将路径语义关系、策划的分子相互作用、基于扩散谱的跨组学模块发现以及检索增强的法学硕士解释整合到一个统一的工作流程中。MAPA 构建了一个知识引导的多层网络，并得出分子和路径的扩散曲线，这些曲线用作系统相似性量化和模块发现的全局功能表示。然后，它应用RAG 来生成对已识别模块的结构化、基于文献的解释。通过对多组学老化数据集的基准测试和应用，MAPA 重建了连贯的功能模块，并促进了具有生物学意义的解释，这是传统方法难以实现的。

图1 MAPA 框架概述。 (a) MAPA以转录组、蛋白质组和代谢组特征为输入，进行通路富集分析以获得通路水平的功能信息。(b) MAPA构建了连接分子和通路的网络并发现了功能模块。（c）MAPA使用模块组件、实验信息和相关文献生成LLM辅助功能解释，并提供多种可视化以支持模块解释

参考文献

[1] Ge, Y., Zhang, F., Liu, Y., Jiang, C., Gao, P., Tan, N. S., Zhang, S., Shen, Y., Zhou, Q., Zhou, X., Wang, X., Zhao, F., Wang, C., & Shen, X. (2026). MAPA: A Semantic Network Framework for Functional Module Discovery and Interpretation in Multi-Omics Data. Advanced science (Weinheim, Baden-Wurttemberg, Germany), e77774. Advance online publication. https://doi.org/10.1002/advs.77774

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC