《PLOS Computational Biology》:Interpretable neural networks prioritize cancer driver genes from genome-wide dependency landscapes
编辑推荐:
中文翻译(摘要部分)
识别癌症驱动基因及其治疗影响仍然是计算癌症生物学领域的核心挑战。研究人员引入了xNNDriver和xAEDriver两种可解释神经网络框架,将癌症突变与全基因组DepMap基因依赖性、通路活性及药物反应模式联系起来。xNNDriver是一
中文翻译(摘要部分)
识别癌症驱动基因及其治疗影响仍然是计算癌症生物学领域的核心挑战。研究人员引入了xNNDriver和xAEDriver两种可解释神经网络框架,将癌症突变与全基因组DepMap基因依赖性、通路活性及药物反应模式联系起来。xNNDriver是一种有监督的通路引导模型,用于评估基因的突变状态是否编码在全基因组依赖性图谱中;研究人员将模型拟合度解释为驱动潜能评分(driver potential score),该评分量化了突变-依赖性信号的强度,并优先排序具有广泛功能足迹的基因。在3008个候选基因中,xNNDriver恢复了主要已确立的驱动基因,并突出了文献支持的候选基因,而通路分析则揭示了与代谢、生长因子信号传导和免疫调节相关的生物学一致性程序。为捕获组合性功能状态,xAEDriver采用无监督自编码器学习驱动变异表征(Driver Variant Representations, DVRs),即受已知驱动突变频率分布引导的潜在二值特征。DVRs捕获了细胞系特异性的依赖性模式和表达模式,并与药物敏感性和通路活性相关联。综上,这些可解释深度学习模型表明,基因依赖性图谱编码了丰富的、可解释的致癌功能信号,并为优先排序驱动基因、通路和治疗脆弱性提供了一个假设生成框架,以供进一步的实验验证。
论文解读
一、研究背景与问题
癌症驱动基因与驱动突变的识别是癌症生物学中最关键且最具挑战性的领域之一。驱动突变推动肿瘤进展,而中性乘客突变则无此功能。近年来,机器学习和深度学习在生物信息学中展现出巨大潜力,包括用于检测癌症驱动基因和突变。然而,现有深度学习模型主要利用序列数据和三维蛋白质结构来推断驱动突变,功能基因组学数据尤其是基因编辑数据仍较少被探索。此外,这些黑盒模型的可解释性往往有限。
传统的基因扰动策略如敲除和RNAi介导的敲低,使研究人员能够研究基因功能缺失对肿瘤进展的影响。CRISPR-Cas9在精度和规模上推进了基因扰动技术。Broad研究所的癌症依赖性图谱(Cancer Dependency Map, DepMap)项目在大量癌症细胞系中进行了全基因组CRISPR-Cas9敲除筛选,提供了反映每个基因在特定细胞系中对细胞增殖和存活重要性的基因依赖性评分。然而,依赖性评分本身不足以最终确定一个基因是否为癌症驱动基因,准确识别需要将依赖性评分与DNA突变、通路参与和基因表达等其他数据类型进行整合分析。
研究人员提出假设:具有驱动活性的突变可以在全基因组依赖性图谱中留下可检测的特征,而乘客突变则不太可能产生一致的依赖性变化。为验证该假设,研究人员构建了有监督学习模型来预测每个候选基因的突变状态,使用细胞系中所有被筛选基因的依赖性评分作为输入特征。模型拟合度以驱动潜能评分表示,用于优先排序突变状态在依赖性数据中具有强功能足迹的基因。该模型被命名为xNNDriver。由于标签来源于现有突变注释,xNNDriver更适合被视为功能优先排序和解释框架,而非独立的从头突变发现工具。此外,全基因组CRISPR敲除测量基因功能缺失对癌细胞适应性的影响,虽然非常适合检测致癌基因成瘾,但对已失活的肿瘤抑制基因的敏感性可能有限。然而,肿瘤抑制基因的改变在重塑其他基因的依赖性时仍可在DepMap数据中反映出来,xNNDriver正是设计用于捕获这些更广泛的突变相关依赖性模式。
二、研究内容与主要结论
研究人员开发了两种可解释神经网络框架。xNNDriver是一种有监督的通路引导模型,通过量化基因突变状态在依赖性图谱中的编码程度来优先排序候选驱动基因。xAEDriver是一种无监督自编码器模型,用于推断多驱动功能状态,其潜在表征被称为驱动变异表征(DVRs)。
xNNDriver应用于CCLE项目中人类癌症中突变频率最高的15%基因,共3008个候选基因。在得分最高的15个基因中,有10个是DepMap记录的已确立癌症驱动基因,如KRAS、NRAS、BRAF、PIK3CA、TP53等。其余基因虽未被DepMap认定为驱动基因,但文献已提示其具有驱动样功能,如LATS2作为肿瘤抑制基因、EZH2的双重角色、KEAP1作为潜在肿瘤抑制基因。组织水平分析显示BRAF与甲状腺癌强相关,PIK3CA突变频繁驱动乳腺癌。事件水平验证显示多个已确立驱动基因的精确率超过90%。消融分析表明,核心驱动基因在去除自身依赖性评分后仍保持实质性预测性能,说明突变状态也编码在其他基因的依赖性模式中,支持分布式功能足迹的存在。与基线机器学习模型相比,xNNDriver的主要优势不在于原始分类准确性,而在于其通路引导的可解释性。
在通路分析方面,xNNDriver识别的重要通路包括代谢通路、生长因子受体和第二信使信号转导疾病通路、受体酪氨酸激酶信号通路,以及若干免疫相关通路如白细胞介素信号传导、免疫系统细胞因子信号传导和先天免疫系统。重要通路节点在Reactome层级中与其对应驱动基因显著更近,通路重要性与层级邻近性正相关。在357个分析的通路中,193个显示表达变异系数(CV)的显著差异,表明表达变异性而非均值差异可能表征驱动相关通路。
xAEDriver整合基因依赖性和表达数据,采用具有全连接编码器和受Reactome通路层级约束的生物信息解码器的自编码器。潜在层包含1024个神经元,每个DVR被约束为0或1的二值状态。通过截断二项分布惩罚项引导DVRs的频率分布接近已知功能驱动SNVs的分布。DVRs的突变分布与实际驱动突变的分布紧密匹配,地球移动距离(EMD)为5.4。在440个具有唯一匹配真实SNV的DVRs中,61个达到匹配比率≥0.5,表明许多DVRs捕获了癌症类型特异的突变模式。
通过层间相关性传播(LRP)识别的重要通路包括补体级联、TNFR2非经典NF-kB通路、HuR(ELAVL1)结合并稳定mRNA等,这些通路均与肿瘤进展相关。在药物反应分析中,基于DVR的LASSO回归模型有12个达到测试集R2>0.05,而50个随机突变对照模型均未达到此阈值。DVR分层分析将细胞系分为DVR发散组和DVR汇聚组,发现7种药物的AUC值存在显著差异。DVR汇聚组对Velban、ICL1100013、Mirin和Alecensa表现出更高敏感性,这与该组中适应性免疫系统和碱基切除修复(BER)通路活性增强一致。消融研究显示,去除二项分布惩罚后,预测药物数量从12降至2,组织一致性变得不显著,DVR分层不再识别出显著差异药物,表明频率引导的正则化对潜在空间的生物学连贯性和下游实用性至关重要。
三、主要技术方法
研究人员使用了DepMap项目(23Q2版本)的CRISPR-Cas9敲除筛选数据,涵盖1095个细胞系中17931个基因的依赖性评分;突变数据来源于COSMIC和ClinVar数据库的功能性SNV注释;基因表达数据为RNA-seq TPM值;药物敏感性数据涵盖962个细胞系中的320种药物。xNNDriver采用镜像Reactome通路层级的生物信息前馈神经网络,以依赖性评分为输入特征、候选基因突变状态为标签,通过投票机制聚合各层预测,以测试集AUC作为驱动潜能评分。xAEDriver采用自编码器架构,编码器全连接,解码器受通路层级掩码约束,潜在层通过截断二项分布惩罚项引导DVRs的频率分布接近已知驱动SNVs,使用LRP计算通路重要性,并通过LASSO回归和距离分层分析DVRs与药物反应的关系。
四、讨论与结论
xNNDriver将驱动基因识别从纯粹的突变频率范式转变为系统水平的功能后果范式。已知驱动基因的高得分支持依赖性图谱中编码的生物学信号。驱动潜能评分量化了突变的功能足迹而非仅其复发频率。单基因依赖性本身只能提供关于驱动状态的局部信息,例如TP53作为肿瘤抑制基因具有最高的平均依赖性评分,而NRAS作为致癌基因显示低值,但HRAS显示近中性评分。自我依赖性排除实验表明,顶部驱动基因在去除自身依赖性评分后仍保持实质性预测性能,说明xNNDriver也捕获了跨其他基因的分布式依赖性信号。
xNNDriver优先排序的通路在驱动基因突变细胞系中经常显示较低的表达CV,即使均值表达差异不大。这种降低的变异性可能表明驱动诱导的通道化效应,即致癌改变将下游通路锁定为更稳定的转录状态。由于表达数据未用于训练xNNDriver,观察到的通路表达变异性下降为模型识别的功能依赖性足迹提供了独立的生物学支持。
xAEDriver代表了从单驱动基因评估到多驱动功能状态推断的概念转变。DVRs显示出生物学可解释和药物相关的模式,具有组织特异性,能够识别免疫相关或DNA修复靶向药物的增强反应。消融分析支持频率引导正则化在塑造生物学可解释DVRs中的重要性,但截断二项分布先验仅提供粗略的流行率约束,不编码特定驱动基因身份、通路注释、组织标签或药物反应信息,是一种弱归纳偏置。
两种模型均采用受Reactome通路层级引导的生物信息神经网络架构,将层级直接嵌入网络以跨水平聚合信号。通路归因得到独立邻近性分析、表达随机性分析和外部文献一致性的支持。研究局限性包括:CRISPR敲除筛选对肿瘤抑制基因的解释具有上下文依赖性,如RB1因预先存在的缺失、有限的组织代表性和非SNV机制的不完全捕获而显示低分;DepMap也识别泛必需管家基因,其依赖性可能贡献于驱动相关功能足迹但不太可能提供有利的治疗窗口。未来工作应扩展模型以纳入更大更多样化的数据集,整合多种改变类型以更好地捕获肿瘤抑制基因生物学,最终通过依赖性数据与突变和药理学信息的整合推进精准肿瘤学。