在异质多组学证据下用于基因优先级排序的自适应多视图融合

《Information Fusion》:Adaptive multi-view fusion for gene prioritization under heterogeneous multi-omics evidence

【字体: 大 中 小 】 时间:2026年10月22日 来源:Information Fusion 17.4

编辑推荐:

   •自适应多视图融合根据视图质量在学习过程中对各通道重新加权。•共享GCN学习不完整的分子视图中对比一致性。•个性化通道通过注意力机制保留视图特异性和位点特异性的残差信息。•在五种癌症类型和玉米中优于八种基因优先排序基线方法。•恢复已验证的基因和模块,并提名候选基因。引言全基因

  
  • •
    自适应多视图融合根据视图质量在学习过程中对各通道重新加权。
  • •
    共享GCN学习不完整的分子视图中对比一致性。
  • •
    个性化通道通过注意力机制保留视图特异性和位点特异性的残差信息。
  • •
    在五种癌症类型和玉米中优于八种基因优先排序基线方法。
  • •
    恢复已验证的基因和模块,并提名候选基因。

引言

全基因组关联研究(GWAS)已鉴定出大量与人类疾病和复杂性状相关的遗传变异,但其中约90%位于非编码区域[1]。由于非编码变异很少直接改变蛋白质序列,解释其生物学效应需要确定它们扰动的基因和调控程序。基因优先排序通过将疾病或性状相关的变异映射到候选基因来解决这一挑战,为将GWAS信号转化为生物学机制和临床洞察提供了重要步骤[2]。然而,精确的非编码变异到基因映射仍然困难,因为调控效应往往是远端的、组合性的和上下文依赖的。变异可以通过启动子、增强子、数量性状位点(QTLs)和长程染色质相互作用发挥作用,同时多个变异可能共同调控同一基因,单个变异也可能影响多个基因[3]。
这些调控关系由异质性分子证据捕捉,包括遗传关联、染色质相互作用、调控联系和分子网络,其覆盖范围和信息量在不同位点和基因之间存在显著差异。现有的计算方法已使用基于邻近度的规则[4]、单一分子网络[5]或整合评分和图模型[6]来纳入这些证据。然而,单一证据来源通常仅捕捉特定类型的调控关系,因此无法充分利用不同分子证据之间的互补信息。因此,近期的研究已开始整合多种分子数据源以获得更全面的变异-基因关联表征[7]。尽管如此,现有的多源整合方法通常依赖特征拼接、均匀聚合或固定加权策略,难以考虑个体证据来源在信息量和可靠性方面的差异。直接整合多个来源可能将异质性证据视为等同处理,并用噪声或冗余信息稀释信息性信号。更重要的是,不同类型的证据可能既包含共享的调控结构,也包含特定于各分子视图的信息[8]。强制各视图完全一致可能消除有用的视图特异性信号,而固定融合策略无法适应各视图在不同基因、变异或疾病背景下相关性的差异。这些局限性促使我们开发一种能够联合学习异质性分子证据,同时动态平衡共享信息和视图特异性信息的基因优先排序模型。
为解决这一挑战,我们提出了McV2G,一种用于异质性和不完整分子证据下非编码GWAS基因优先排序的自适应多视图图融合框架(图1)。McV2G构建两个互补视图:一个包含变异和基因及其可用异质性关联的分子图,以及一个序列相似性先验视图,在分子关系不完整时提供互补信息。为从这些视图中学习,McV2G采用多视图图卷积架构,将共享表征和个性化表征分离。对比对齐目标促使共享通道捕捉跨视图的共识结构,而异质注意力和跨层传播保留视图特异性残差信息。所得通道使用节点级注意力进行动态整合,为每个分子的不同信息来源分配相关性感知权重。最后,融合表征用于分子间链接预测(LP)以优先排序候选基因。我们总结McV2G的主要贡献如下:
  • •
    非编码基因优先排序的异质多视图表述。我们将变异到基因优先排序表述为自适应多视图图学习问题,并将分子图与序列相似性先验相结合,以在异质性和不完整分子观测下利用互补证据。
  • •
    共识和视图特异性信息的联合建模。我们开发了一种多视图图卷积网络,学习共享和个性化表征,使用对比对齐捕捉跨视图共识,并通过异质注意力和跨层传播保留视图特异性残差。
  • •
    相关性感知自适应融合和全面评估。我们引入节点级注意力,根据学到的相关性动态重新加权异质性信息。在五种癌症GWAS数据集和一个玉米油含量性状数据集中,McV2G在八种基线方法中实现了最佳或接近最佳的排序性能。消融、融合权重、对齐和鲁棒性分析证明了所学习表征在噪声或不完整分子证据下的互补性和弹性,而胃癌的生物学分析进一步识别了异质调控模块和候选基因,包括TMC5和HM13。

各节摘要

共享–个性化多视图表征学习

多视图学习旨在从异质数据源中捕捉共享结构和视图特异性信息[9]。在生物医学应用中,异质性分子测量通常提供同一生物学过程的互补视角[10],其中不同视图可能捕捉部分重叠的调控机制,同时保留独特的生物学信号。共享表征通常通过共正则化、潜空间对齐、参数

McV2G框架概述

该方法将基因优先排序表述为SNP–基因证据的自适应多视图融合问题(图1)。在通过类型特定编码器将SNP和基因的多组学属性映射到共享潜空间后,整合多种类型的关联,包括连锁不平衡、基因–基因相互作用以及结构、功能和调控性SNP–基因链接,以构建分子视图,从而实现跨位点信息传播以捕捉共调控

跨数据集排序基准

为表征风险变异的基因组背景,我们在五个癌症数据集中注释了GWAS显著SNP(图2a)。内含子变异在癌症中占主导(约50–62%),其次是基因间和调控区域,而编码、UTR和其他注释相对较少。这种非编码区域占多数的共同组成表明需要能够连接远端或调控性变异到其靶基因的方法。我们接下来将McV2G与八种

结论

我们提出了McV2G,一种用于在异质性和不完整分子证据下从非编码GWAS信号中优先排序基因的自适应多视图图融合框架。McV2G将SNP–基因优先排序表述为从互补图视图中学习:一个有类型的分子关联视图和一个序列相似性先验视图。多视图图卷积架构通过参数共享和对比对齐联合学习共享共识嵌入,同时异质

生成式人工智能和AI辅助技术在论文撰写过程中的使用声明

在本工作准备过程中,我们使用了ChatGPT来润色语言。在使用该工具/服务后,我们对内容进行了审查和编辑,并对发表文章的内容承担全部责任。

基金资助

本工作得到了中国国家重点研发计划(2023YFF0725500和2024YFF1206604)、国家自然科学基金(62531013、62272276、62432006和62031003)、山东省自然科学基金(ZR2024JQ001和ZR2025LZH004)以及泰山学者工程(tsqn202408317)的资助。

CRediT作者贡献声明

张啸威:撰写–初稿,可视化,验证,方法论,形式化分析,概念化。刘力良:撰写–初稿,可视化,验证,方法论,形式化分析,概念化。罗汉文:撰写–初稿,可视化,验证,形式化分析,概念化。李震:撰写–审阅与编辑,可视化,监督。辛贝贝:撰写–审阅与编辑,可视化,监督。郭毛祖:撰写–审阅与

利益冲突声明

作者声明不存在利益冲突。
张啸威|刘力良|罗汉文|李震|辛贝贝|郭毛祖|万林|张京霖|王军|于国贤
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