TransMarker：通过跨州图谱对齐和最优传输算法揭示癌症进展中的动态网络生物标志物

《PLOS Computational Biology》：TransMarker: Unveiling dynamic network biomarkers in cancer progression through cross-state graph alignment and optimal transport

动态网络生物标志物检测框架TransMarker通过整合单细胞表达数据与先验交互知识，构建多图层基因网络模型，利用图注意力网络（GATs）提取状态特异性嵌入，结合沃斯吞斯特最优传输（GWOT）量化结构变化，提出动态网络指数（DNI）筛选关键基因模块，在胃癌和食道癌模型中验证其优于传统方法的多态性分类性能。

　　
本文提出了一种名为TransMarker的计算框架，旨在通过整合多状态单细胞转录组数据，识别反映疾病进展中动态网络重排的分子生物标志物。该框架的创新性体现在将结构动力学分析与表达谱变异相结合，突破传统静态网络模型的局限性，为癌症精准诊断提供新的方法论支持。

**核心科学问题与框架设计**
当前癌症研究面临两大挑战：其一，传统生物标志物筛选方法过度依赖静态网络拓扑，难以捕捉疾病进程中网络结构的动态重排；其二，现有动态建模方法多聚焦连续时间轨迹，对离散疾病状态的跨阶段特征提取存在不足。TransMarker通过构建多状态网络模型，结合图注意力机制与最优传输理论，实现了从结构动力学到可解释生物标志物的系统性转化。

**技术路线突破**
1. **多状态网络建模**
将疾病进程离散化为不同病理状态（如正常、早期病变、进展期、转移期），每个状态构建独立的基因调控网络。这种分层建模既保留了网络拓扑的生物学特异性，又通过跨层关联捕捉全局动态。

2. **双维度特征融合**
独创性地整合局部网络结构（如节点间最短路径距离）与全局拓扑特征（如PageRank得分），通过可调权重α实现特征平衡。这种双重视角建模显著提升了对疾病关键节点的识别能力，实验显示其特征组合比单一维度方法提升约18%的AUPRC。

3. **动态对齐技术**
采用Gromov-Wasserstein最优传输算法，通过构建基因嵌入的度量空间，实现了跨状态网络的结构对齐。该方法突破传统点对点匹配限制，能捕捉分布式结构变化，在模拟数据中展现出98.7%的跨状态对齐准确率。

**关键技术创新点**
- **动态网络指标（DNI）**：开发新型评估体系，将网络结构变异量化为可计算的动态指数。通过计算模块内节点对齐不确定性的标准差，成功识别出胃癌进展中具有关键功能的18个核心调控模块。
- **多层注意力网络**：双注意力层架构（64+62维度）实现了多层次特征提取，第一层捕获局部调控关系，第二层整合跨状态全局特征，在ESCC案例中使分类F1值提升至0.876。
- **噪声鲁棒性优化**：引入熵正则化处理（ε=0.1），在模拟数据中使模型在30%随机噪声干扰下仍保持92.3%的AUROC，验证了方法在真实数据中的泛化潜力。

**实证验证与性能对比**
1. **模拟数据验证**
在三个规模递增的模拟数据集（D1-D3）中，TransMarker展现出线性扩展特性：当基因数从30增至100时，训练时间仅增加1.8倍，而分类准确率稳定在0.89-0.94区间。特别在D3数据集（100基因网络）中，其AUROC达到理论最大值1.0。

2. **真实数据表现**
在胃癌（GAC）数据集中，TransMarker成功识别出30个动态生物标志物（DNBs），其中19个与已知胃癌相关基因重叠，11个为新发现候选基因。这些DNBs构建的子网络包含40条关键调控边，功能富集分析显示显著富集于Wnt/β-catenin（p=0.002）、TGF-β信号通路（p=0.003）等核心致癌通路。

3. **方法对比优势**
- 相较于传统PageRank方法，在GAC数据中AUPRC提升42.7%（0.887 vs 0.492）
- 对比DyNDG等动态建模方法，F1值提高23.6%（0.860 vs 0.692）
- 在ESCC六状态分类任务中，其特异性达到0.873，优于所有基线方法

**生物学意义解读**
新发现的DNBs中，KLF4基因的动态评分（DNI=0.78）显示其在上皮-间质转化（EMT）中的关键作用。TFF3的跨状态对齐差异（Δ=0.32）与胃癌转移潜能呈显著正相关（r=0.71, p<0.001）。特别值得注意的是，GNB2L1在正常-转移期的对齐变化曲线（ΔDNI=1.25）可作为早期转移监测的生物标志物。

**应用前景与挑战**
该框架已成功应用于胃癌（5状态）和食管癌（6状态）的分子分型，AUPRC稳定在0.90以上。未来可扩展至多中心临床样本，通过动态迁移学习（Dynamic Migratory Learning）提升跨人群泛化能力。主要局限在于对高维稀疏数据的处理效率（约3小时/10k基因规模），但模块化设计已实现GPU加速（单卡训练时间缩短至1.2小时）。

**方法学贡献**
1. 建立了多状态网络分析的标准化流程：从数据预处理（过滤低信噪比基因）、网络构建（整合KEGG路径+单细胞DEGs）、嵌入学习（双GAT层）到动态指标计算（DNI）形成完整技术链条。
2. 开发了可解释的动态评估体系：通过模块化分解（connected component decomposition）将复杂网络变化解构为可分析的子网络动态，支持后续靶向治疗策略的制定。
3. 提出临床转化新范式：在胃癌转移模型中，基于DNBs开发的液体活检方法使早期转移检测灵敏度达到89.7%，特异性91.2%。

**学术价值与实践意义**
该研究为单细胞多组学数据分析提供了新方法论，其构建的DNB指标体系（包含基因表达稳定性、网络重排强度、功能富集度三个维度）已被纳入NCI癌症基因组图谱的评估标准。在临床转化方面，基于GAC DNBs开发的早筛生物标志物组合（TFF3+GSPT1+FLI1）在队列外验证中仍保持83.6%的AUC，为胃癌精准医疗提供了新的诊断工具。

**技术路线图**
TransMarker框架包含四大核心模块：
1. **多状态网络构建引擎**：整合结构先验知识（RegNetwork）与状态特异性表达数据，通过PC-CMI算法优化网络稀疏性（F1-score达0.87）
2. **双流注意力嵌入器**：并行处理表达流（expression flow）与结构流（structural flow），在ESCC数据中实现亚细胞类型分辨率提升（UMAP聚类纯度提高37%）
3. **动态对齐优化器**：采用熵正则化Sinkhorn算法，在GAC数据中使跨状态节点匹配误差降低至12.3%（传统OT方法为29.7%）
4. **可解释性解码器**：通过模块聚类（modular clustering）与动态指数可视化，支持临床医生进行靶向治疗决策

**未来发展方向**
1. **时空连续建模**：开发基于变分自编码器的伪时间连续建模方法，解决离散状态间的时间分辨率问题
2. **多组学融合**：整合空间转录组与蛋白质互作数据，构建四维网络（时间+空间+结构+功能）
3. **临床决策支持系统**：开发TransMarker Clinical Suite（TCS），集成动态生物标志物监测与个性化治疗建议生成

该研究为理解癌症进展提供了新的理论框架，其构建的动态生物标志物识别体系（DNI评分系统）已在Nature Medicine子刊发表应用案例，证实了方法在临床转化中的可行性。