目的本研究提出了一种基于图注意力网络(graph attention network,GAT)与增强型灰狼优化算法(enhanced-grey wolf optimizer,EGWO)的多组学整合模型EGWO-GAT,实现对膀胱尿路上皮癌(bladder urothelial carcinoma,BLCA)肿瘤样本的分期预...目的本研究提出了一种基于图注意力网络(graph attention network,GAT)与增强型灰狼优化算法(enhanced-grey wolf optimizer,EGWO)的多组学整合模型EGWO-GAT,实现对膀胱尿路上皮癌(bladder urothelial carcinoma,BLCA)肿瘤样本的分期预测。方法基于在加州大学圣克鲁斯分校Xena功能基因组学探索器(University of California,Santa Cruz Xena,UCSC Xena)网站收集的404例癌症基因组图谱(The Cancer Genome Atlas,TCGA)BLCA样本,包含mRNA、DNA甲基化和微小RNA(microRNA,miRNA)数据,将3种组学数据分别进行预处理和差异分析之后得到其节点特征与边特征,以GAT为基础,引入EGWO进行超参数优化,采用多层感知机(multilayer perceptron,MLP)进行后续癌症分期预测。经5折交叉验证分析,将本研究创建的EGWO-GAT模型与多种经典机器学习分期模型的性能进行对比,并进行组学贡献分析和保留不同相似边条数的模型性能比较,采用准确率、精确率、召回率、F1分数及曲线下面积(area under the curve,AUC)作为性能评估的核心指标。结果差异特征筛选结果显示,mRNA组学获得534个差异基因,DNA甲基化组学获得3108个差异探针,miRNA组学获得114个差异miRNA。多模型对比结果表明,当整合所有组学数据类型且保留相似性排名前3的其他患者作为边时,EGWO-GAT模型性能最佳,其AUC值达到0.744,准确率达到0.711,精确率达到0.792,召回率达到0.782,F1分数达到0.785,其综合分类性能显著优于其余经典机器学习方法,且较GS-GAT模型在各项指标上均有明显提升。组学贡献分析显示,全组学(mRNA+DNA甲基化+miRNA)整合的性能显著优于其他6种组学组合方式。相似性边数性能比较结果表明,保留前3条相似边时模型的AUC、准确率、精确率及F1分数均高于保留前5条或7条边的情况,综合性能最优。结论本研究构建的EGWO-GAT多组学整合模型在BLCA分期中性能优异,可为精准分期提供技术支撑,解决因样本异质性引发的临床分期难题,对辅助个体化治疗及改善患者预后意义重大。展开更多
猪支原体肺炎(mycoplasmal pneumonia of swine,MPS)是生猪养殖中危害严重的慢性呼吸道传染病,其致病机制包含病原代谢依赖、宿主免疫逃逸及菌群调控等复杂生物学过程,传统研究手段难以系统解析。基因组学、转录组学、蛋白质组学、代谢...猪支原体肺炎(mycoplasmal pneumonia of swine,MPS)是生猪养殖中危害严重的慢性呼吸道传染病,其致病机制包含病原代谢依赖、宿主免疫逃逸及菌群调控等复杂生物学过程,传统研究手段难以系统解析。基因组学、转录组学、蛋白质组学、代谢组学及微生物组学等高通量技术的应用为突破这一局限提供了关键工具:基因组学通过全基因组测序与比较分析,定位出P97/P102家族黏附蛋白等关键毒力因子,揭示了菌株毒力分化的基因基础;转录组学通过解析宿主与病原的基因表达差异,勾勒出免疫通路异常激活图谱;蛋白质组学在翻译后修饰层面深入解析,阐明了病原效应蛋白与宿主细胞因子的互作网络;代谢组学追踪小分子代谢物变化,发现病原依赖宿主肌醇代谢的特征及感染后宿主能量代谢向糖酵解倾斜的规律,锁定α-氨基丁酸等潜在感染标志物;微生物组学则揭示了呼吸道菌群多样性降低的失衡状态及肠道菌群的远端调控机制,明确普雷沃氏菌(Prevotella)等菌属对感染易感性和疫苗应答效率的影响。这些组学技术从基因、转录、蛋白、代谢及菌群多个维度协同作用,共同阐释了病原黏附定植、免疫抑制实施、宿主代谢重塑及微生态互作的完整分子逻辑。多组学联合分析通过整合跨维度数据,构建“病原-宿主-菌群”动态网络,阐明了黏附因子破坏宿主纤毛结构、信号通路诱导免疫细胞凋亡及肠道菌群调控疫苗应答等关键生物学事件。笔者系统综述了组学技术及整合分析方法在MPS研究中的应用进展,并探讨了当前技术瓶颈与未来发展方向,为深入解析宿主-病原互作机制及开发精准防控策略提供理论支撑。展开更多
文摘目的本研究提出了一种基于图注意力网络(graph attention network,GAT)与增强型灰狼优化算法(enhanced-grey wolf optimizer,EGWO)的多组学整合模型EGWO-GAT,实现对膀胱尿路上皮癌(bladder urothelial carcinoma,BLCA)肿瘤样本的分期预测。方法基于在加州大学圣克鲁斯分校Xena功能基因组学探索器(University of California,Santa Cruz Xena,UCSC Xena)网站收集的404例癌症基因组图谱(The Cancer Genome Atlas,TCGA)BLCA样本,包含mRNA、DNA甲基化和微小RNA(microRNA,miRNA)数据,将3种组学数据分别进行预处理和差异分析之后得到其节点特征与边特征,以GAT为基础,引入EGWO进行超参数优化,采用多层感知机(multilayer perceptron,MLP)进行后续癌症分期预测。经5折交叉验证分析,将本研究创建的EGWO-GAT模型与多种经典机器学习分期模型的性能进行对比,并进行组学贡献分析和保留不同相似边条数的模型性能比较,采用准确率、精确率、召回率、F1分数及曲线下面积(area under the curve,AUC)作为性能评估的核心指标。结果差异特征筛选结果显示,mRNA组学获得534个差异基因,DNA甲基化组学获得3108个差异探针,miRNA组学获得114个差异miRNA。多模型对比结果表明,当整合所有组学数据类型且保留相似性排名前3的其他患者作为边时,EGWO-GAT模型性能最佳,其AUC值达到0.744,准确率达到0.711,精确率达到0.792,召回率达到0.782,F1分数达到0.785,其综合分类性能显著优于其余经典机器学习方法,且较GS-GAT模型在各项指标上均有明显提升。组学贡献分析显示,全组学(mRNA+DNA甲基化+miRNA)整合的性能显著优于其他6种组学组合方式。相似性边数性能比较结果表明,保留前3条相似边时模型的AUC、准确率、精确率及F1分数均高于保留前5条或7条边的情况,综合性能最优。结论本研究构建的EGWO-GAT多组学整合模型在BLCA分期中性能优异,可为精准分期提供技术支撑,解决因样本异质性引发的临床分期难题,对辅助个体化治疗及改善患者预后意义重大。
文摘猪支原体肺炎(mycoplasmal pneumonia of swine,MPS)是生猪养殖中危害严重的慢性呼吸道传染病,其致病机制包含病原代谢依赖、宿主免疫逃逸及菌群调控等复杂生物学过程,传统研究手段难以系统解析。基因组学、转录组学、蛋白质组学、代谢组学及微生物组学等高通量技术的应用为突破这一局限提供了关键工具:基因组学通过全基因组测序与比较分析,定位出P97/P102家族黏附蛋白等关键毒力因子,揭示了菌株毒力分化的基因基础;转录组学通过解析宿主与病原的基因表达差异,勾勒出免疫通路异常激活图谱;蛋白质组学在翻译后修饰层面深入解析,阐明了病原效应蛋白与宿主细胞因子的互作网络;代谢组学追踪小分子代谢物变化,发现病原依赖宿主肌醇代谢的特征及感染后宿主能量代谢向糖酵解倾斜的规律,锁定α-氨基丁酸等潜在感染标志物;微生物组学则揭示了呼吸道菌群多样性降低的失衡状态及肠道菌群的远端调控机制,明确普雷沃氏菌(Prevotella)等菌属对感染易感性和疫苗应答效率的影响。这些组学技术从基因、转录、蛋白、代谢及菌群多个维度协同作用,共同阐释了病原黏附定植、免疫抑制实施、宿主代谢重塑及微生态互作的完整分子逻辑。多组学联合分析通过整合跨维度数据,构建“病原-宿主-菌群”动态网络,阐明了黏附因子破坏宿主纤毛结构、信号通路诱导免疫细胞凋亡及肠道菌群调控疫苗应答等关键生物学事件。笔者系统综述了组学技术及整合分析方法在MPS研究中的应用进展,并探讨了当前技术瓶颈与未来发展方向,为深入解析宿主-病原互作机制及开发精准防控策略提供理论支撑。
