博文

可重用性报告：先验知识与数据可用性约束下的组学网络推理鲁棒性机制

已有 301 次阅读 2026-10-31 15:58 |个人分类:科普|系统分类:科普集锦

可重用性报告：先验知识与数据可用性约束下的组学网络推理鲁棒性机制

从高维生物数据推断调控网络本质上是不确定的，因为多个候选调控结构可能与相同的观测结果相符。因此，仅凭预测性能无法确定推断的网络是否对应于潜在的分子调控机制。实际上，理解生物系统需要能够捕捉基因、蛋白质和代谢物之间依赖于上下文的相互作用的方法。其中，节点代表分子实体，边代表功能性相互作用。由于相互作用会因细胞类型和条件而异，因此准确的网络推断对于理解细胞过程、疾病和治疗反应至关重要。然而，多种网络结构可以解释相同的观察结果，这使得区分共享结构和特定于上下文的结构变得困难。

为了应对相关挑战，网络推断方法可分为两类：数据驱动型和知识驱动型。数据驱动模型提供强大的预测能力，但通常需要大量数据集，并且通常难以解释。知识驱动方法利用先验知识网络（PKN），提高了可解释性，并能够在稀疏数据环境下进行推断，但它们通常针对特定网络类型，并且逐个样本应用。值得注意的是，逐个样本的推断可能会使识别稳健的共享结构与特定于上下文的结构变得复杂，因为在噪声较大或约束较弱的情况下，多个网络解决方案可以解释相同的观测结果。尽管可以通过重叠独立推断的样本特异网络来识别共享模式，但这种方法可能仍然对不稳定性及变异性较为敏感。虽然最初的 CORNETO 研究广泛分析了多样本耦合的优势和权衡，但这些方法在不同生物学体系中的稳健性、可扩展性和优化行为仍未得到充分表征。

基于组学数据的网络恢复约束优化（CORNETO）提供了一个统一的、知识驱动的框架，它将多样本网络推断重新表述为一个基于网络流的混合整数约束优化问题。这使得可以通过结构化的稀疏性惩罚来联合推断共享子网络和条件特异性子网络，从而稳定重建过程，降低解的变异性，并生成更稀疏、更易于解释的模型。此外，CORNETO 将多种方法，通量平衡分析（FBA）、稀疏通量平衡分析（sFBA）、整合代谢分析工具（iMAT）、基于整数值规划的网络识别因果推理（CARNIVAL）以及奖品收集斯坦纳树（PCST），统一为单一公式的特例，并提供了一个支持模块化扩展的开源实现。

在CORNETO工作的基础上，系统地评估了 CORNETO 框架的计算可重用性、鲁棒性、可复现性和实际应用性能（图 1a，b）。主要目标并非系统地验证推断出的调控机制的生物学正确性（因为目前尚无全面的实验真值），而是探究多样本约束推断在不同的推断和数据设置下，何时以及为何能够产生稳定且可复现的解决方案。随后，将兼容的 CORNETO 公式系统地应用于互补的生物学设置，从而扩展了评估范围：一个动态的造血分化数据集和一个相对稳定的成年大脑皮层数据集。这些系统代表了转录变异性和样本间异质性的差异，使我们能够研究生物学背景如何影响约束多样本推断的行为。在本研究中，由于基因表达变异性有限，后者构成了一个更为严格的测试。

针对每个案例研究，系统地评估了 CORNETO 公式的计算鲁棒性、稳定性和灵敏度，分别使用了 iMAT、CARNIVAL、斯坦纳树和知识启动神经网络 (KPNN)。生物学相关性的评估是单独进行的，并且仅当已建立的生物学关系能够提供可解释的参考时才进行。每种工具都针对不同的生物学问题：代谢通量一致性、信号传导、蛋白质相互作用模块和基于神经网络的调控推断（图 1b）。重要的是，这些框架不会产生直接等效的输出，因此没有使用单一的统一标准进行比较。相反，使用框架适用的输入、优化目标和评估标准，在共享的生物学背景下评估每种方法。目标不是根据共同的目标对方法进行排名，而是在受控的多样本设置下表征它们的鲁棒性、行为和灵敏度。此外，为了评估不同数据覆盖率和网络复杂性下的性能，在具有挑战性的输入条件下测试了框架的鲁棒性（图 1c），包括不平衡的子群体、较小的数据集和 PKN 的变化。

最后，作者们研究了提高 CORNETO 衍生解决方案的鲁棒性和可解释性的实用策略（图 1d）。除了评估先验网络完整性和样本可用性的影响外，还引入了自助聚合程序来稳定随机优化，并采用选择性重新扩展来恢复在激进剪枝过程中丢失的信息特征。这些改进提高了召回率、可解释性和预测准确率，同时保持了稀疏性，展现了 CORNETO 在整合模块化改进方面的灵活性。

图1 CORNETO 框架的可复现性、可重用性、约束和改进策略概述。a，CORNETO 工作流程在多组学数据集（蛋白质组学、磷酸化蛋白质组学和单细胞 RNA 测序）和模式生物中的可复现性，展示了代谢（sFBA 和 iMAT）、信号传导（CARNIVAL 和 PCSF）以及基于 PPI（KPNN）的推断工具的整合。b，CORNETO 在涵盖动态（造血）和稳定（脑）系统的人类单细胞数据集中的可重用性，展示了四个应用：代谢推断、PPI 模块发现、信号传导优化和因果信号传导重建。c，不同推断机制下的鲁棒性瓶颈。CORNETO 的性能受稀疏或不平衡数据、不完整的 PKN 以及数量的影响。联合建模条件。这些因素影响可识别性、可恢复信号、阳性预测值 (PPV) 和真阳性率 (TPR) 以及 Jaccard 稳定性，从而定义了约束网络推理的运行机制。d，用于稳健 CORNETO 推理的匹配细化策略。c 中的机制诊断指导推理前后的操作，包括：使用自举聚合来降低随机变异性并提高共识稳健性；选择性重新扩展以恢复在激进剪枝后丢失的信息特征；以及先验感知和条件感知调优，以平衡正则化并提高稳定活动网络的恢复能力。这些策略共同提高了稳健性、稀疏性和网络可解释性，而无需改变 CORNETO 的核心框架

这些分析共同将受限多样本网络重建描述为一个依赖于机制的学习问题，表明联合推理的好处取决于先验知识、生物异质性、正则化和数据可用性之间的相互作用，并为在各种生物学背景下应用和扩展 CORNETO 提供了实用指导。

参考文献

[1] Martínez-de-Morentin, X., Khan, S.A., Cenzano, I. et al. Reusability report: multi-sample omics network inference operates in distinct robustness regimes defined by prior knowledge and data availability. Nat Mach Intell 8, 1616–1631 (2026). https://doi.org/10.1038/s42256-026-01311-y

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