《Nature Machine Intelligence》:Reusability report: multi-sample omics network inference operates in distinct robustness regimes defined by prior knowledge and data availability
编辑推荐:
知识约束的网络推断(knowledge-constrained network inference)能够从高维生物数据中重建调控程序(regulatory programmes),然而共享结构与情境特异性结构能够被可靠识别的条件仍知之甚少。Pablo Rodr
知识约束的网络推断(knowledge-constrained network inference)能够从高维生物数据中重建调控程序(regulatory programmes),然而共享结构与情境特异性结构能够被可靠识别的条件仍知之甚少。Pablo Rodriguez-Mier等最近提出了CORNETO,这是一个用于多样本约束推断(multi-sample constrained inference)的框架。在此,研究人员从稳健性(robustness)、可识别性(identifiability)和偏倚–方差权衡(bias–variance trade-offs)方面重现、评估并扩展CORNETO。研究人员使用动态造血(dynamic haematopoiesis)和稳定皮质(stable cortical)数据集,在保留原始方法特异性评估程序和基准定义的同时,系统评估四种网络重建范式(network reconstruction paradigms)。研究人员表明,多样本推断通常改善稳健性和可重复性,尽管预测性能的增益取决于生物背景和先验网络(prior network)的完整性。为增强稳定性,研究人员引入自助聚合(bootstrap aggregation)和选择性再扩展(selective re-expansion)策略,在不修改底层优化方案或不牺牲通用性的情况下,改善共识稳健性(consensus robustness)和恢复能力,同时保留情境特异性信号。跨数据集和方法,研究人员的结果揭示了由样本可用性、先验知识和正则化(regularization)支配的不同推断区间(inference regimes)。总之,这些发现将网络重建定位为一个区间依赖的学习问题,并为稳健的多样本生物网络推断提供实践原则。
该文是一篇针对CORNETO框架的可复用性报告,聚焦多样本组学网络推断在不同稳健性区间中的行为。研究背景上,从高维生物数据推断调控网络本质上是欠定的,多个候选调控结构可能与同一观测测量一致,因此单独依靠预测性能不能证明推断网络对应底层分子调控机制。实际生物系统需要捕获基因、蛋白质和代谢物之间情境依赖的相互作用,节点为分子实体、边为功能相互作用;但多个网络配置可解释同一观测,使共享与情境特异性结构难以区分。现有方法分为数据驱动和知识驱动两类:数据驱动模型预测力强但通常需要大数据且难以解释;知识驱动方法利用先验知识网络(prior-knowledge networks, PKNs)提高可解释性并支持稀疏数据推断,但常针对特定网络类型且逐样本应用。逐样本推断在噪声或弱约束下可因多个网络解解释同一观测而难以识别稳健的共享与情境特异性结构;独立推断样本特异网络的重叠虽可识别共享模式,但仍可能对不稳定性和变异性敏感。原CORNETO研究虽分析多样本耦合的优势和权衡,但其在不同生物区间中的稳健性、可扩展性和优化行为仍未完全表征。CORNETO(constrained optimization for the recovery of networks from omics)将多样本网络推断统一为基于网络流的混合整数约束优化(mixed-integer constrained optimization),通过结构化稀疏惩罚联合推断共享与条件特异子网络,并将FBA(flux balance analysis,通量平衡分析)、sFBA(sparse FBA,稀疏通量平衡分析)、iMAT(integrative metabolic analysis tool,整合代谢分析工具)、CARNIVAL(causal reasoning for network identification using integer value programming,基于整数规划的因果网络识别)和PCSTs(prize-collecting Steiner trees,prize-collecting斯坦纳树)统一为单一公式的特例。基于此,研究人员系统评估CORNETO的计算可复用性、稳健性、可重复性和实际行为;主要目标不是系统验证推断调控机制的生物学正确性(因缺乏全面实验ground truth),而是表征多样本约束推断何时以及为何在不同推断和数据设置中产生稳定、可重复解;并将兼容的CORNETO公式应用于动态造血分化数据集和相对稳定的成人脑皮质数据集,以考察生物背景如何影响约束多样本推断;还引入自助聚合(bootstrap aggregation)和选择性再扩展(selective re-expansion)等策略提高稳健性。研究结论表明,多样本推断总体改善稳健性和可重复性,但预测性能增益取决于生物背景和先验网络完整性;跨数据集和方法揭示由样本可用性、先验知识和正则化(regularization)支配的不同推断区间;这些发现将网络重建定位为区间依赖的学习问题,并为稳健的多样本生物网络推断提供实践原则。该文发表于《Nature Machine Intelligence》,其重要意义在于把稳健性而非一致预测增益作为多样本知识约束推断的主要优势,并提供可操作的推断与改进原则。
关键技术方法(不超过250字):方法上,研究人员以官方CORNETO v.1.0.0(Python 3.12.10;Gurobi 12.0.2;Linux高性能计算)复现原始流程,在保持原方法评估流程和基准定义下,比较iMAT、KPNN(knowledge-primed neural networks,知识引导神经网络)、Steiner tree、CARNIVAL及sFBA的多样本与单样本推断;开展λ/β正则化扫描、bootstrap聚合、先验网络完整性下采样、条件子采样、KPNN剪枝与选择性再扩展。样本来源:动态造血为Ainciburu et al.的CD34
+造血干/祖细胞scRNA-seq(10x Genomics Chromium;年轻18–20岁与老年>65岁供者;>75,000高质量单细胞);脑皮质为Siletti et al. Human Brain Atlas(46个皮质/皮质下脑区;>300万单核)。原始复现还使用MitoCore、Yeast-GEM/Deleteome、PANACEA(GSE186341)、Cytokine Atlas、TCR scRNA-seq等。
研究结果如下。Evaluating the reproducibility of the reported results(已报告结果的可重复性评估):研究人员复现原始CORNETO结果,确认其能在由多样本组学数据衍生的先验约束优化空间中准确重建情境特异子网络,并沿用原方法特异代码库和基准脚本的评估流程、验证标准及参考定义;PKN定义约束可行优化空间但非通用生物ground truth。sFBA多样本产生比单条件更小网络,生物量阈值10%时网络减少~32%、90%时减少~6%,变异系数由2.9%升至8.9%;KPNN在T细胞受体刺激数据上ROC-AUC(receiver operating characteristic area under the curve)重复运行稳定,ΔROC-AUC<0.001。结论是:尽管部分组件涉及随机优化或神经网络训练,多样本公式降低run-to-run变异,产生更稳定、可重复的网络重建。
Assessing CORNETO across dynamic and stable biological systems(在动态与稳定生物系统中评估CORNETO):研究人员将可行工具应用于动态造血和稳定脑组织。造血分析四个CD34
+造血祖细胞scRNA-seq样本,注释为红系、单核、淋系和巨核分化状态,并以细胞类型相对其他类型定义对比;iMAT的PPV和TPR低,适中λ≈0.1–0.25最佳,强正则下降;KPNN分类性能强(accuracy、macro F1、precision、recall均>0.9),CORNETO结构剪枝后显著下降(accuracy≈0.58、macro F1≈0.42、precision≈0.49、recall≈0.42),网络由9,791个输入和~83,000条边降至66个输入和267条边,并改变特征优先级;Steiner tree在5、20、50个终端基因下,多样本在相同active edge比例下拟合误差更低,复杂网络优势增大,单样本随终端数增加性能急剧下降;CARNIVAL多样本在相同恢复active edge比例下拟合误差更低,适中λ≈0.05–0.2优势最明显,λ=0.1时多样本保留~720条共享边,单样本~470–500条且拟合误差相似。脑皮质中,iMAT的PPV/TPR仍低;KPNN基线macro F1≈0.94,剪枝后≈0.80并转移特征重要性;Steiner tree多样本更稳定但无清晰生物有序梯度;CARNIVAL未返回可行解,可能因极端细胞类型同质性和类不平衡产生高度退化优化空间。结论是:多样本框架的生物学价值取决于数据中变异性结构;造血中联合推断揭示互补方法一致恢复的发育关系,脑组织中保守转录程序限制样本耦合可提取的额外结构;因每个设置仅一个数据集,不应解释为动态与稳态系统的一般差异,而是支持“多样本耦合价值取决于生物变异性结构和幅度”的假设;缺乏全面ground truth,观察应作为支持性和假设生成。
Assessing the biological value of multi-sample network inference across diverse cellular contexts(评估多样本网络推断在不同细胞背景中的生物学价值):研究人员检查推断子网络是否反映已知造血细胞状态关系。CARNIVAL聚焦红系分化,比较MEP与ERP、MPP、HSC及all对比,将子网络编码为边关联向量并投影到PCA空间,计算不同正则强度下相似矩阵;多样本CARNIVAL恢复的信号程序大体遵循预期发育层级,MEP–ERP最一致紧密,MEP–MPP和MEP–HSC逐渐分歧,MEP–all结构一致性最弱。Steiner tree同样MEP–ERP最紧凑一致,MEP–MPP和MEP–HSC更大更弥散,MEP–all最不特异。结论是:两种优化原理不同的方法趋同于已知造血分化层级,表明多样本推断增强稳健谱系相关调控程序识别;CARNIVAL主要解析信号关系及其跨对比一致性,Steiner tree强调连接分化相关调控因子的连接结构。
Strategies for improving robustness and interpretability(提高稳健性和可解释性的策略):研究人员识别两类挑战,即优化随机变异和过度稀疏化信息损失,并评估后推断改进。Bootstrap aggregation improves stability and recall(自助聚合改善稳定性与召回):用sFBA、MitoCore代谢模型和单反应敲除模拟,重采样干预条件,计算反应激活频率,>80%为稳健,仅聚合恢复为扩展边;8条件设置bootstrap每模型多恢复8–11个反应(~8–11%扩展)并保留>85%高置信基线边重叠;16条件饱和,全局重叠稳定在~82%(单样本)和~89%(多样本)。结论是自助聚合抑制随机变异、巩固可重复网络结构,多样本设置收益最强。Selective re-expansion recovers informative biological structure(选择性再扩展恢复有信息量的生物结构):用KPNN和造血scRNA-seq,重新引入被剪枝DAG排除的top100表达重要性基因,活动边由267增至11,924但仍远小于原网络,准确率由0.576升至0.906,macro F1由0.424升至0.848,precision和recall均>0.84。结论是剪枝后性能损失不仅因模型大小,也因去除中等信息基因;选择性再扩展可恢复生物学相关信息并保留压缩可解释性。Better defined prior-network improves robustness(更明确的先验网络改善稳健性):从Human-GEM反应图逐步移除边模拟先验不完整,图完整性降低移除held-out正标签;20%完整性所有运行零active反应且无有效precision–recall点,40–60%仅有限信号,80–100%在更广正则范围获得更高precision和recall。结论是先验网络完整性强烈决定约束代谢推断质量,只有足够先验结构时正则化才有用。Increasing the number of jointly modelled conditions improves robustness(增加联合建模条件数改善稳健性):用iMAT随机选2、4、8、16个造血pseudobulk条件,以独立子采样运行间active-reaction集合的成对Jaccard相似性(Jaccard similarity)量化稳定性;增加联合推断条件数总体提高独立解相似性并降低对特定条件子集敏感性,还稳定网络大小并降低对λ敏感性。结论是先验网络完整性和样本/条件可用性共同塑造约束多条件网络推断的稳健性和可重复性;这些前后推断改进不改变底层CORNETO优化框架,具有跨任务和模态的通用性。
讨论部分总结:讨论强调跨iMAT、KPNN、Steiner tree和CARNIVAL,多样本推断的主要益处是稳健性改善而非一致预测性能提升;联合优化通过产生更稳定可重复解降低对随机变异和正则化敏感性,但优势强烈依赖数据特征,包括先验网络完整性和样本间异质性,只有样本间存在足够共享结构时最有效。造血和脑案例说明这些操作区间:动态造血中多样本优势清晰,稳定成人脑收益有限;分析主要评估不同生物设置下推断行为而非建立新调控机制;缺乏实验验证的情境特异调控ground truth是网络推断基准的主要限制,因此结论聚焦推断解的稳健性、可重复性和可识别性,而非确定性恢复因果调控相互作用。限制包括生物广度:动态和相对稳定设置分别由单个造血和皮质数据集代表,属于案例而非生物重复,因此关于生物变异影响的观察应视为推断区间假设而非动态与稳态组织的一般属性;建立普遍性需跨多独立数据集、组织、生物体和PKNs系统评估;生物学分析评估与已知生物关系的一致性,但不构成对推断因果调控机制的实验验证。讨论还指出自助聚合降低随机变异并增加可重复网络组件恢复,选择性再扩展缓解过度剪枝信息损失,更好的先验网络增强稳健性;结合工作区间框架提供选择正则化策略和解释CORNETO输出的实践指南。研究结论部分译文:摘要结论为“总之,这些发现将网络重建定位为一个区间依赖的学习问题,并为稳健的多样本生物网络推断提供实践原则。”讨论总体结论为“总体而言,本研究强调稳健性是多样本知识约束推断的主要优势。通过表征样本耦合改善稳定性的条件,并引入增强稳健性的实用策略,研究人员为在不同生物背景下更可靠地应用CORNETO提供了框架。”