《Scientific Reports》：Diagnosis of breast cancer with high accuracy via Petri net modeling of signaling pathways
编辑推荐：
癌症仍是全球主要死因，每年影响数百万人。癌症存在多种类型，包括乳腺癌、结肠癌和子宫内膜癌，各具独特特征与挑战。癌症管理中最关键的环节之一是早期检测，早期发现可显著提高治疗成功率和生存率。近年来，大量研究致力于加速癌症的诊断与预测，尤其是通过考察基因的作用、
癌症仍是全球主要死因，每年影响数百万人。癌症存在多种类型，包括乳腺癌、结肠癌和子宫内膜癌，各具独特特征与挑战。癌症管理中最关键的环节之一是早期检测，早期发现可显著提高治疗成功率和生存率。近年来，大量研究致力于加速癌症的诊断与预测，尤其是通过考察基因的作用、其有效性以及基因活性变化序列与该疾病的关系。这些研究的重要成果部分与KEGG信号通路相关。许多研究还通过Petri网（Petri net）工具对这些信号通路进行建模，并已在该领域展现出良好能力。本文部分揭示了近期开发的一种工具中所观察到的上述能力，该工具通过Petri网对相关信号通路建模，为乳腺癌诊断提供了手段。所提方法在大多数相关GEO数据集上具有高准确率与精确率（95–99%）。在各种癌症中也已报告了类似的有前景结果，并将很快发表。采用该方法，血液样本（成本更低、更易获取，利于更早检测）的表现与组织样本相当。
## 论文主体解读
**研究背景与问题** 癌症以异常细胞不受控生长并侵袭、破坏健康组织为特征，晚期诊断常导致生存率下降与治疗成本上升，早期诊断对改善治疗结局、降低死亡率及减轻患者与医疗系统的心理和经济负担至关重要。既往研究虽借助特征选择算法与基因表达分析改进了癌症诊断与分类，但仍存在若干未解决问题：缺乏对生物系统动态的全面建模、特定癌种诊断准确率有限、不同人群间存在变异性、部分方法成本高昂；且多数研究对分子层面生物系统复杂行为的精确建模关注有限，基于Petri网的方法尚未广泛用于癌症相关信号通路的预测分析。因此，本研究旨在开发一种新型Petri网建模工具，以准确模拟不同癌症类型相关的信号通路，不仅提高诊断精度，还为样本行为提供预测能力。
**研究思路与结论** 研究人员提出一种基于Petri网的乳腺癌诊断框架，将基因表达数据与KEGG信号通路模型整合，以区分健康与癌性样本。该框架的新颖性不在于引入新的深度学习架构，而在于通过算法化的Petri网执行，将生物学通路结构直接纳入决策过程：强调生物学可解释的令牌（token）传播与基因间因果相互作用分析，学习成分受通路层面生物逻辑约束，而非仅依赖统计模式提取。方法学贡献在于采用面向网络的通路构建策略，并以算法化逐步令牌传播机制替代传统概率触发模拟。该方法在多个GEO数据集上表现优异，准确率达0.94–1.00；且血液样本（GSE27562）与组织样本表现相当。研究结论指出，该Petri网框架应被理解为计算假设生成器而非确定性机制模型；其既能提供稳健的回顾性病例对照分类，又能提供生物学洞见；同时承认其未模拟通路间串扰、依赖队列内参考数据等局限。
**关键技术方法** 研究以乳腺癌KEGG信号通路（hsa05224）为对象，将其KGML文件解析并自动转化为Petri网模型（位置对应基因、变迁对应激活/抑制等生物事件，抑制由抑制弧实现），模拟由Python SNAKES库驱动；从GEO数据库获取基因表达谱，经探针ID映射至Entrez Gene ID与官方基因符号并过滤至通路基因，用Limma包识别差异表达基因（DEGs，名义p值<0.05且|logFC|≥0.2）；采用类k-NN的预估计器初步划分健康/患病簇，并在中位数周围设90%安全裕度动态筛选DEG*基因用于令牌化；最后执行Petri网，依据终末疾病位置是否存在令牌判定样本状态。评估主要采用留一交叉验证（LOOCV），并辅以90–10%和80–20%划分；GSE15852为独立开发队列用于参数调优，GSE10810、GSE3744、GSE45827、GSE42568、GSE27562为独立验证队列（其中GSE27562为血液样本）。
**研究结果** *不同α与β值下的性能指标*：在开发队列GSE15852上，α=5、β=10组合最稳定最优，准确率、精确率与灵敏度均接近1.0；随α、β增大性能逐渐下降，α=30、β=30时灵敏度显著降低，主要归因于基因表达值重叠增加与噪声。*不同置信区间下的性能指标*：在90%、92%、95%置信区间下各指标持续保持高位、仅有小幅波动，灵敏度最高。*不同δ值（最近邻数）下的性能指标*：δ=3时整体性能最高，准确率0.988、灵敏度1.0，精确率与特异度亦保持高位；随后研究人员将超参数（α=5、β=10、δ=3、CI=95%）固定，在独立验证队列上不再调优，以避免数据泄漏并检验外部泛化性。*性能结果在不同数据集间的泛化*：六个数据集准确率为0.94–1.00，多数数据集召回率完美，并补充评估了NPV、F1分数与MCC等抗不平衡指标。*当前文献中的先进性能背景*：与GFS、PWFP、LNEC等方法比较，GFS/SVM与GFS/LDA在某一数据集上准确率可达0.97，而PWFP类方法表现相对较差（最佳PWFP/NB准确率0.75），LNEC类中等（最佳LNEC/LDA为0.74）。*所评估数据集的先进文献背景*：LOOCV结果与同一GEO数据集上已发表指标对比显示，所提框架在准确率与灵敏度上均较高。*消融研究*：单独使用预估计器可获得总体较高准确率，但部分样本因噪声或细微表达变异被误分类；重新引入Petri网组件可在不降低任何数据集总体准确率的前提下纠正多数错误；反之，单独使用Petri网而忽略预估计器的初始标签预测时，部分数据集准确率下降，表明预估计器建立初始条件、Petri网进行生物学验证，两者共同贡献于高诊断性能。
**讨论与结论** 讨论部分指出：Petri网框架是计算假设生成器而非确定性机制模型，其将复杂分子相互作用抽象为简化表示，预测可提供可检验假设以指导实验设计或后续生物学验证，而非因果机制的结论性证据；该方法通过追踪信号通路与样本特异性DEG激活频率，促进通路启发的分子标志物假设生成。当前局限包括未模拟不同信号通路间的串扰，以及依赖队列内参考数据——由于平台与实验方案带来显著批次效应，真正的新个体样本目前需在测量方案足够相似的标注参考队列下才能处理，故该方法目前是稳健的队列内回顾性分类工具而非完全独立的跨队列临床诊断系统；未来将整合批次效应校正与迁移学习。研究人员还列举了Petri网建模的若干未来目标：尽早构建疾病预测分析框架、基于基因激活/失活序列评估疾病进展阶段、评估早期潜在风险等级、建立基因在不同通路分支中作用的详细分析报告、分析跨疾病/跨通路的基因激活失活序列、研究KEGG中化学物质作为基因激活/失活催化剂的作用，以及用于临床决策支持并最终连接计算生物学与实验室诊断。结论翻译：本研究提出一种利用Petri网建模分析乳腺癌信号通路的新型诊断方法，通过将基因表达数据与KEGG通路模型整合，开发出能准确区分健康与癌性表达谱的方法；该Petri网框架应被理解为计算假设生成器而非确定性机制模型，其将复杂分子相互作用抽象为简化表示以探索通路行为并预测疾病状态，预测提供可检验假设；所提方法在多个GEO数据集上表现突出，具有高准确率、精确率与召回率，不仅提供稳健的回顾性病例对照分类，还通过追踪信号通路与样本特异性DEG激活频率提供生物学洞见，促进通路启发的分子标志物假设生成；这种高预测准确性与生物学洞见的双重能力使Petri网成为癌症诊断与系统生物学分析的有力工具。
