关系感知异构图学习用于miRNA–药物响应关联预测的冷启动泛化研究

《International Journal of Molecular Sciences》:Relation-Aware Heterogeneous Graph Learning for miRNA–Drug Response Association Prediction Under Cold-Start Generalization

【字体: 大 中 小 】 时间:2026年10月12日 来源:International Journal of Molecular Sciences 5.6

编辑推荐:

  (1)背景:癌症耐药性可受到微小RNA(miRNA)的影响,后者能够改变基因表达和细胞通路,从而决定癌细胞对治疗的反应。利用计算模型可以识别潜在的miRNA–药物响应关联;然而,基于边的评估可能会高估模型的泛化能力,因为测试集中的miRNA或药物可能在训练期间

  
(1)背景:癌症耐药性可受到微小RNA(miRNA)的影响,后者能够改变基因表达和细胞通路,从而决定癌细胞对治疗的反应。利用计算模型可以识别潜在的miRNA–药物响应关联;然而,基于边的评估可能会高估模型的泛化能力,因为测试集中的miRNA或药物可能在训练期间出现在其他响应关联中。(2)方法:本文提出了一种关系感知异构学习框架,将miRNA表达谱、miRNA–基因调控相互作用、基因–基因功能关联、药物分子特征以及不同的药物–基因关系整合到一个统一的miRNA–基因–药物网络中。采用异构图表征器(Heterogeneous Graph Transformer, HGT)保留关系特定信息,并将连接每个miRNA与每种药物的生物学路径作为对应候选miRNA–药物对的附加信息。采用防泄漏的五折交叉验证方法,在边冷启动、miRNA冷启动、药物冷启动和双冷启动四种不同设置下评估所提出的框架。(3)结果:在基于边的设置下,所提框架的AUC和AUPR分别达到0.9537 ± 0.0044和0.9494 ± 0.0069。在miRNA冷启动设置下,性能保持较高水平,AUC和AUPR分别为0.9466 ± 0.0061和0.9436 ± 0.0049。在药物冷启动设置下,性能显著下降,AUC和AUPR分别为0.6685 ± 0.0354和0.6534 ± 0.0569。在双冷启动设置下,性能也大幅降低。结果还表明,仅凭结构相似性不足以解释对新药物的泛化能力,因为药物层面分析显示,冷启动性能与ChemBERTa分子相似性或DrugBank靶点相似性之间均无显著关系。文献证据支持了前20个最高排名未标记预测中的6个,而随机选择的120个对照中仅有1个获得支持(Fisher精确检验,p = 2.63 × 10?5;经验p = 2.80 × 10?5)。(4)结论:结果表明,所提出的框架能够有效对候选miRNA–药物响应关联进行排序。同时,在药物冷启动设置下预测响应关联仍比针对同样被排除的miRNA进行预测困难得多,这是传统基于边评估的一个重要局限。
一、研究背景与问题
癌症耐药性是恶性肿瘤治疗中的重大挑战,即使最初有效的药物也可能随时间失效。耐药机制涉及药物摄取与外排改变、药物靶点修饰、DNA修复增强、药物代谢变化以及替代细胞存活通路的激活等。微小RNA(microRNA, miRNA)作为非编码RNA,能够在转录后水平调控基因表达,进而影响凋亡、细胞周期调控、上皮间质转化、DNA损伤修复、药物转运及促存活信号通路,因此在药物响应中发挥关键作用。尽管已有实验数据库如ncRNADrug收录了大量miRNA–药物响应条目,但已知组合仅占所有可能组合的一小部分,且实验验证成本高昂、难以规模化。因此,开发计算预测模型以缩小候选范围具有重要意义。
现有计算方法多将miRNA–药物响应预测视为二部图上的链接推断问题,如GCMDR、NASMDR、GAMMDR等方法。然而,这些方法普遍存在两个关键不足:一是大多数研究仅采用基于边的随机划分进行交叉验证,导致测试实体可能在训练阶段已出现在其他响应关联中,从而高估模型的真实泛化能力;二是忽略了miRNA–药物响应过程中关键的生物中介——基因的作用,且未能区分不同类型的药物–基因关系(如靶点、酶、转运体、载体)。为此,研究人员提出一种关系感知的异构图学习框架,旨在解决上述局限性,并在更严格的冷启动条件下评估模型性能。
二、研究方法概述
研究人员整合了来自ncRNADrug数据库的5379条miRNA–药物响应关联(涉及635个miRNA和216种药物)、ENCORI数据库的27225条miRNA–基因调控关系、DrugBank 6.0数据库中四种类型的药物–基因关系(靶点、酶、转运体、载体共2100条)、HumanNet的101234条基因–基因功能关联,以及来自CCLE的miRNA表达谱和PubChem的药物SMILES分子结构(经ChemBERTa编码为768维嵌入),构建了一个包含635个miRNA、216种药物和3898个基因的异构生物网络。模型核心采用两层异构图表征器(Heterogeneous Graph Transformer, HGT)进行关系感知的消息传递,保留不同关系类型的语义差异。此外,针对每对候选miRNA–药物,提取其间的生物学路径(miRNA–基因–药物和miRNA–基因–基因–药物),并通过注意力机制依据全局对表示赋予不同权重。最终通过自适应门控融合全局HGT表示与路径表示,输入分类器得到关联概率。模型采用防泄漏的五折交叉验证,分别在边、miRNA冷启动、药物冷启动和双冷启动四种设置下进行评估。
三、主要研究结果
3.1 基于边评估的整体表现
在传统基于边的设置下,模型AUC达0.9537 ± 0.0044,AUPR达0.9494 ± 0.0069,MCC为0.7806 ± 0.0095,Brier评分为0.0834 ± 0.0017,ECE为0.0354 ± 0.0034。ROC曲线集中于左上角,精度–召回曲线在大部分召回范围内保持在正类基线之上,表明模型具有良好的判别能力和校准质量。
3.2 冷启动评估下的泛化能力
在miRNA冷启动设置下,模型AUC为0.9466 ± 0.0061,AUPR为0.9436 ± 0.0049,与边设置相比仅小幅下降,表明模型能较好泛化至未见过的miRNA。但在药物冷启动设置下,AUC降至0.6685 ± 0.0354,AUPR降至0.6534 ± 0.0569,MCC仅为0.2305 ± 0.1275。双冷启动设置下性能进一步下降,AUC和AUPR分别为0.6379和0.6529左右。结果显示,未见药物带来的泛化难度远大于未见miRNA。
3.3 全候选集排序分析
在miRNA冷启动的全候选排序中,MRR为0.8044 ± 0.0389,Hits@10达0.9669 ± 0.0131。而在药物冷启动下,MRR降至0.2343 ± 0.0282,Hits@10仅为0.4162 ± 0.0648,进一步证实了对未见药物排序的挑战性。
3.4 协议对齐的基线比较
与度/流行度基线、仅特征MLP和仅HGT模型相比,完整模型在miRNA冷启动下表现最佳;在药物冷启动下,度/流行度基线的AUC和AUPR甚至高于完整模型,说明关联频率本身在冷启动场景中贡献显著。
3.5 药物层面冷启动泛化的决定因素
药物层面分析显示,药物级AUC与ChemBERTa化学相似性(ρ = 0.015, p = 0.832)或DrugBank靶点相似性(ρ = ?0.046, p = 0.580)均无显著相关。生物学路径覆盖率等指标虽与AUC呈弱负相关,但在敏感性分析中不再显著,表明结构相似性不足以解释冷启动性能差异。
3.6 消融分析
在边设置下,移除各组件对性能影响甚微。但在药物冷启动下,移除生物学路径分支使AUPR从0.6710降至0.6091,合并药物–基因关系类型降至0.6026,移除ChemBERTa特征降至0.5961,表明这些组件在冷启动场景中具有重要作用。
3.7 文献验证高置信度预测
在前20个最高排名未标记预测中,6个(30%)获得独立文献支持,而120个随机对照中仅1个(0.83%)获支持(Fisher精确检验p = 2.63 × 10?5,经验p = 2.80 × 10?5)。支持的关联包括miR-9增强奥沙利铂敏感性、miR-454-3p促进奥沙利铂耐药、miR-142-3p增加紫杉醇敏感性等。
3.8 预测层面的生物学路径可解释性
六个文献支持的关联中,平均融合权重显示路径表示的贡献(约0.600)略高于全局HGT表示(约0.399)。遮蔽所有生物学路径后,每个关联的预测分数均有所下降,降幅在0.008至0.011之间,证实路径信息对预测具有正向贡献。
四、结论与讨论
本研究提出的关系感知异构图学习框架能够有效对候选miRNA–药物响应关联进行排序。研究表明,预测未见药物的响应关联远比预测未见miRNA困难,这是传统基于边评估的重要局限。药物层面分析揭示,化学结构相似性和靶点相似性均不能解释冷启动性能差异,提示需要更丰富的药物表征策略。文献验证结果进一步证实了模型排名的高置信度预测具有生物学相关性。研究人员的发现强调了在设计miRNA–药物响应预测模型时,必须采用严格的冷启动评估协议,以避免对模型泛化能力的过度乐观估计。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号