《Briefings in Bioinformatics》：Dynamic perturbation analysis: a modular rewiring framework for decoding cancer stage progression and identifying therapeutic vulnerabilities
编辑推荐：
疾病进展不仅由转录改变（transcriptional alterations）驱动，还由分子相互作用网络的动态重组驱动。然而，现有方法大多聚焦于差异基因表达，未能捕获模块层面的重组。在此，研究人员提出了动态扰动分析（dynamic perturbation
疾病进展不仅由转录改变（transcriptional alterations）驱动，还由分子相互作用网络的动态重组驱动。然而，现有方法大多聚焦于差异基因表达，未能捕获模块层面的重组。在此，研究人员提出了动态扰动分析（dynamic perturbation analysis, DPA），这是一种模块化重连框架，利用一种新指标——扰动度（degree of perturbation, DP）来量化疾病分期之间的动态扰动。以胃癌（gastric cancer, GC）进展为模型系统，DPA揭示出：尽管肿瘤起始后阶段特异的转录改变有限，但广泛的模块化重连仍然持续存在。DPA识别出以细胞外基质重塑、致癌信号激活、干性获得和晚期微环境适应为特征的进展相关扰动程序。扰动分析揭示了两种主要的疾病驱动程序，并优先识别出此前未被认知的调控因子，包括蛋白酪氨酸磷酸酶非受体12型（protein tyrosine phosphatase non-receptor type 12, PTPN12）和富含亮氨酸重复序列和Ig结构域蛋白1（leucine rich repeat and Ig domain containing 1, LINGO1），它们在GC进展中的功能作用已通过实验验证。此外，模块化重连引导的药物重定位发现PJ-34是有希望的候选治疗药物，可靶向晚期疾病相关扰动。总之，DPA提供了一个可推广的框架，通过动态模块化重连解码疾病进展，能够识别驱动程序、候选调控因子和治疗脆弱性。该框架为复杂疾病中网络引导的机制发现和治疗优先化提供了可扩展策略。
癌症进展是一个动态演化过程，不仅由基因表达改变驱动，还伴随着分子相互作用网络的系统性重组。然而，传统转录组分析主要关注差异表达基因，难以反映模块层面的有序重构；现有网络医学方法也缺乏统一量化疾病进展中网络扰动的指标，并且很少将网络状态重塑与治疗机会直接关联。为弥补这些不足，研究人员提出了动态扰动分析（dynamic perturbation analysis, DPA），一种基于模块化重连（modular rewiring）的计算框架，利用扰动度（degree of perturbation, DP）量化疾病分期之间的网络扰动。以胃癌（gastric cancer, GC）为模型，DPA揭示了肿瘤起始后分期特异转录改变有限但网络重连持续存在的现象，识别出细胞外基质重塑、致癌信号激活、干性获得和晚期微环境适应等进展相关扰动程序，并预测出两个主要疾病驱动程序。该框架将网络动力学与驱动基因发现和药物优先排序联系起来，为癌症机制解析和治疗靶点识别提供了可扩展的系统级策略。
研究使用的主要关键技术方法包括：利用来自UCSC Xena数据库的TCGA-STAD胃癌转录组队列和STRING数据库的人类蛋白互作（protein-protein interaction, PPI）网络，构建各疾病分期的动态加权互作组；采用Louvain算法识别网络模块，通过比较相邻分期模块归属变化定义模块重连事件；提出DP指标在节点和模块水平量化网络扰动。同时使用Otsuka-Ochiai系数评估模块保守性，结合单细胞RNA-seq数据解析模块的细胞类型偏好；药物重定位采用Connectivity Map（CMap）和oncoPredict分析；候选基因和药物分别通过RT-qPCR、Western blot、细胞活力、划痕愈合和集落形成实验进行功能验证。
研究结果如下。
DPA揭示GC进展中超越转录组改变的广泛模块化重连。研究人员通过主成分分析和差异表达分析发现，正常胃组织与肿瘤样本明显分离，但不同肿瘤分期样本相互重叠，且T1→T2、T2→T3、T3→T4之间的差异表达基因数量很少。随后，研究人员构建了正常及四个GC分期的动态加权PPI网络并鉴定出各分期模块。模块保守性分析显示，保守模块主要富集核糖体生物发生、细胞周期、氧化磷酸化等基础细胞过程，而扰动模块主要富集环境适应、细胞间通讯、信号转导和代谢可塑性通路。这一结果表明，转录水平看似稳定，但网络层面的广泛重连持续驱动疾病进展。
DP捕获GC进展中具有生物学意义的网络扰动。研究人员用已知癌症基因集、GC驱动基因和临床验证靶标评估DP的生物学相关性，发现这些基因的DP值显著高于非癌症基因；按DP排序的hub节点富集于Ras、MAPK、PI3K-Akt、黏着斑、肌动蛋白细胞骨架调节等肿瘤进展通路，而按单纯网络连接度排序的hub节点富集于核糖体、细胞周期等管家功能。扰动模块的DP也显著高于保守模块，并且经过重采样、协变量校正和随机网络检验后仍保持稳健。这证实DP能够优先识别疾病相关网络扰动，而不仅仅是静态网络重要性。
持续扰动模块表征GC分期进展。研究人员将DP与网络拓扑参数（强度、介数中心性、接近中心性）整合，识别出四个动态扰动模块（dynamic perturbation modules, DPM），分别来自正常期、T1期、T2期和T3期。功能富集显示，正常期DPM主要涉及细胞外基质重塑、整合素信号和PI3K-Akt信号；T1期DPM转向Rap1、Ras和神经活性配体-受体互作等信号转导通路；T2期DPM富集Wnt信号、多能性调控和GC相关通路；T3期DPM则富集细胞骨架重塑和肌醇磷酸代谢。单细胞RNA-seq数据进一步显示这些DPM分别高表达于成纤维细胞、内皮细胞、上皮细胞和免疫细胞。四个DPM共享145个基因，构成一个持续存在的重连核心。
模块化重连程序揭示GC进展的关键调控因子。研究人员对145个共享基因按DP轨迹进行无监督聚类，得到四类扰动模式。其中Class 2在N→T1阶段扰动增强、T1→T2阶段减弱、后期再激活，与信号转导、细胞增殖、迁移和治疗抵抗相关；Class 3在T3→T4阶段扰动激增，富集细胞因子、免疫调节和炎症反应通路。多维分析和RT-qPCR验证优先出六个尚未在GC中实验验证的候选基因，其中PTPN12和LINGO1被进一步研究。
DPA优先的候选重连基因的功能验证。在GC细胞系AGS中敲低PTPN12显著抑制细胞增殖、迁移和集落形成；在MKN45细胞中敲低LINGO1同样显著减弱细胞活力、迁移能力和克隆形成能力。敲低后部分预测的网络节点及下游转录本表达发生改变，为DPA优先网络的功能相关性提供了转录层面的支持。
模块化重连引导的药物重定位揭示晚期GC的治疗脆弱性。针对Class 3晚期适应程序，研究人员结合CMap和oncoPredict两种方法筛选候选药物，获得六个高置信候选，其中doxercalciferol和PJ-34被选为实验验证。两药均呈剂量依赖性地抑制MKN45细胞活力和集落形成；但PJ-34对GC细胞的选择性指数（selectivity index, SI）为3.09，明显优于doxercalciferol（SI=0.49），因此被认定为更有前景的晚期GC候选治疗药物。
在讨论部分，研究人员指出DPA将网络医学从静态疾病模块识别推进到疾病分期转变的定量建模，DP能够直接度量模块重连，反映网络可塑性。相比现有动态网络方法，DPA将互作重连与网络背景整合为统一指标，强调模块重构而非成对网络比较，并将动态扰动与驱动基因、治疗预测等下游分析相连。研究局限性包括：横断面转录组数据只能推断分期相关网络重组，不能代表个体肿瘤的纵向演化；基于共表达的互作强度不包含调控方向或因果信息；其依赖STRING和Louvain算法，不同数据源或模块检测方法可能导致不同模块划分；PTPN12和LINGO1与推断网络重连事件之间的因果关系尚未直接验证。研究结论部分翻译如下：总之，研究人员提出了DPA作为解码疾病进展和治疗脆弱性的模块化重连框架。通过量化互作水平扰动、重建进展轨迹并将网络动态与驱动基因发现和药物优先排序联系起来，DPA将网络医学从静态疾病特征描述扩展到疾病进展的定量建模。该框架为揭示疾病机制、识别治疗机会和理解生物系统如何在病理状态间转换提供了可扩展策略。
