《Frontiers in Bioinformatics》:Temporal network analysis in systems biology: concepts, inference, and validation
编辑推荐:
尽管网络科学为解析复杂生物系统提供了强大的框架,静态模型却常常未能捕捉细胞过程的动态本质。时序网络分析通过将生物关系建模为时间索引的图,解决了这一问题,为演变的生物相互作用提供了更真实的表征。然而,生物数据通常具有稀疏、嘈杂和异质性强的特点,这使得时序网络重构
尽管网络科学为解析复杂生物系统提供了强大的框架,静态模型却常常未能捕捉细胞过程的动态本质。时序网络分析通过将生物关系建模为时间索引的图,解决了这一问题,为演变的生物相互作用提供了更真实的表征。然而,生物数据通常具有稀疏、嘈杂和异质性强的特点,这使得时序网络重构对建模和预处理选择高度敏感。本综述综合了系统生物学中的时序网络分析,重点强调实际可解释性和可靠的推断。我们强调了“时间”(例如,纵向测量、条件/阶段进展或推断轨迹)的不同概念以及“边”(例如,物理相互作用、统计关联或基于模型的影响)的不同含义如何支持不同的生物学论断,并因此需要不同的验证策略。通过多尺度视角,我们概述了表征局部动态、跟踪模块和社区变化等中尺度重组以及量化网络拓扑全局变化的方法,同时涵盖了包括重连检测、网络比较和社区演化在内的常见任务。一个核心信息是,推断通常是瓶颈,而预测则是诱惑。因此,我们强调区分真正的生物动态与采样、窗口化或模型类别人工产物的验证和基准测试实践。最后,我们讨论了时序图学习,包括时序图神经网络。我们强调了这些方法何时能够在生物学中实现有意义的预测,以及其性能何时会因对网络构建选择的敏感性或评估中的信息泄露而被夸大。
论文主体内容总结
1 引言
生物系统在机制层面是动态的:调控影响开启和关闭,相互作用强度变化,因果影响取决于事件发生的时间。基于网络的模型为表示这些系统提供了强大的抽象,其中节点表示生物实体,边编码它们之间的关系。然而,许多生物网络仍然被当作静态图来分析,这隐含地假设边是时不变的。当时间被折叠成一个单一的聚合网络时,分析可能会错过瞬时的相互作用,扭曲时间尊重(因果上合理的)路径,并模糊对机制解释至关重要的时间顺序。时序网络分析通过将网络表示为一系列快照或时间戳交互事件来应对这一限制,使得研究网络演化、时间约束可达性和动态重构成为可能。然而,在生物学背景下,时间分辨率常常是次优的:采样稀疏、具有破坏性(特别是在单细胞检测中),并且在模态间是异质的。这导致了时间混叠的高风险,因为关键短期事件发生在采样点之间。因此,除非将推断选择和评估设计视为首要的建模决策,否则多个不兼容的时序网络可能看起来都似乎合理。本综述围绕一个实际的论点组织:推断是瓶颈;预测是诱惑。在生物学中,最困难的步骤通常不是计算时序指标,而是从嘈杂、高维且时间稀疏的测量中推断出生物学上忠实的时序网络。该领域因此在补偿稀疏采样的推断策略上进行了大量投入,包括统计增强、多组学整合与先验知识的融合,以及明确编码机制假设的基于模型的方法。然而,随着推断流程变得越来越复杂,对验证和基准测试的需求也在增加:没有仔细的检查,不同的窗口选择、先验或模型类别可能从同一数据集中产生不兼容的“解释”。最近的综述已经涵盖了单细胞组学任务中的图学习,强调了模型家族和应用领域,并突出了图构建选择如何影响下游性能。同时,新兴工作通过重构破坏性采样下的轨迹(例如,使用OTVelo等最优传输框架处理带时间戳的单细胞表达数据)推进了时序推断。此外,新的基准测试工作(如CausalBench)通过利用大规模扰动数据使评估更加现实。目前缺少的是一个统一的、实用的框架,能够将“时间”和“边”的含义、推断选择如何塑造网络对象以及验证和无泄漏评估如何决定哪些时序叙述是可信的这三者联系起来。本文通过将推断和评估视为在认真对待预测主张之前必须解决的设计问题,提供了这样的桥梁。为了保持综述的具体性和可用性,我们早期引入了两个简短的决策框。框1区分了生物网络研究中“时间”的三种含义:时钟时间、条件/阶段和伪时间;这些经常被混为一谈,但暗示了不同的建模假设和验证策略。框2定义了边的语义,因为“重连”的含义取决于边是编码物理相互作用、统计关联还是推断的影响。有了这些基础,我们采用了多尺度视角,考察了微观尺度、中观尺度和宏观尺度的时序网络,然后是核心分析任务和领域范围内的挑战。最后,我们增加了一个专门的验证和基准测试部分,以便将上述论点付诸实践;在预测主张被认真对待之前,必须确保推断是可信的。

2 从测量到时序图:表示与假设
如图1所示,时序结论通常更多地依赖于上游设计和推断决策,而非下游指标;因此,在概述分析方法之前,我们明确这些构建选择。在定义网络中的“时间”之后,下一步是同样明确地定义网络表示,因为时序结论通常更多地依赖于构建选择,而不是下游指标。
2.1 术语速查
在文献中,密切相关的概念标注不一致。因此,我们使用三个具有特定含义的术语来避免歧义:动态网络是拓扑或属性随时间变化的任何网络的总称。时序网络是将相互作用表示为离散的、有时间戳的事件(事件序列),支持时间尊重路径和事件级排序。演化网络是指较慢的结构变化,通常作为一系列快照图进行分析,通常是广泛间隔的。
2.2 从测量到图
给定一个时间体制,生物数据通常映射到四个可分析对象之一:事件流、离散快照序列、滑动窗口快照或明确耦合的多层模型。在基于快照的设置中,时间窗口是关键参数,窗口过短会产生稀疏、碎片化的图,而窗口过长则可能平均掉瞬时的生物学并产生“重连”假象。由于窗口选择是过程相关的,作者应使用现象的时间尺度来证明其合理性,并在可能的情况下报告结论对合理替代方案的敏感性。这些选择定义了生物网络的时序动态,并为将观测映射到图对象提供了明确的框架。第二个同样重要的建模选择是网络边的生物学定义和估计。“重连”的意义从根本上与连接的性质相关。我们在框2中提供了这些边语义的分类法。无论具体的边语义如何,时序动态通常通过四种主要形式表现出来:拓扑改变、边权重或强度的波动、方向性的转变以及有效延迟或时间顺序的变化。因此,网络“重连”的解释不是普遍的;任何此类主张必须在所选边体制内进行情境化,以确保生物学结论和验证策略与底层数据表示保持一致。总之,形式化时序体制和边语义为有意义的分析提供了必要的护栏,确保观察到的动态反映的是生物学而非建模假象。正如我们所论证的,解决推断这个“上游”瓶颈是任何可信预测的先决条件。表1总结了使跨研究的时序网络结果具有可比性和抗泄漏性所需的最低报告项目。一旦这些构建选择稳定下来并得到验证,重点就可以从网络的机制转向其功能架构。在下一节中,我们将研究这些时序特征如何在生物尺度上表现出来。
3 跨尺度的时序网络特征
在定义了核心术语以及“时间”表示什么和“边”意味着什么这两个决策点之后,我们现在转向生物学中时序网络的分析方法。在实践中,许多生物学研究将时间表示为一连串快照图,因此在第3至5节中,除非特别说明,我们使用“TN”作为包括事件流时序网络和基于快照的演化网络的简称。我们采用多尺度视角:微观尺度度量描述节点和边动态,中尺度方法捕捉演变的子结构和社区,宏观尺度度量总结全局拓扑和稳定性。我们从最细粒度的层面开始探索。
3.1 微观尺度
在微观尺度,分析侧重于单个节点和边的属性,揭示了关键生物实体随时间变化的角色。节点重要性通常使用度和介数中心性等指标来评估。这些中心性指标可以突出有影响的“枢纽”,其在PPI网络中的生物学意义通过“中心性-致死性”观察得以凸显。然而,枢纽-必需性模式具有情境和检测依赖性;在时序设置中,中心性因此对于识别瞬时控制点最有用,而非通用枢纽。此外,直接比较网络常常会因网络规模和密度的变化而产生混淆,这些变化即使在没有生物学重连的情况下也会改变中心性基线。在实践中,跨时间稳健地比较节点重要性通常受益于标准化或稳定性检查。在TN中,这些度量会进行调整以考虑时间顺序。例如,时序介数中心性只考虑按时间顺序发生的交互路径,这对于建模疾病传播或信号级联等过程至关重要。这种时序度量可以揭示暂时变得有影响的节点。在细胞分化研究中,时序度中心性已被用于识别仅在特定发育阶段成为枢纽的转录因子。类似地,在胰腺导管腺癌中,时序中心性分析识别了驱动癌症进展早期与晚期网络稳定性的不同关键基因集;这些是静态分析会错过的见解。
3.2 中尺度
放大到单个节点和边之外,中尺度分析检查节点子群,其组织反映了中间尺度的架构和功能。根据分析问题,这些子结构范围从小的、重复出现的模式到最大互联的集合和凝聚的模块。补充表S1总结了关键的中尺度子结构类型。在生物网络中,严格的模式通常过于限制,无法捕捉系统级组织。许多网络表现出模块性,促使将社区/模块发现作为功能组织的粗粒度描述。在图论术语中,社区不仅仅是任何子图,而是在适当零模型下内部连接性比预期更密集的节点集合。众多算法将这一理念操作化,包括通过最大化观察到的与预期的社区内连接之间的差异来划分网络的模块性最大化方法。在复杂疾病背景下,社区检测可以帮助定位跨越多个相互作用基因或蛋白质的协调扰动,支持机制解释和治疗假说生成。现实世界网络的动态特性增加了中尺度的复杂性,因为子结构可以随时间出现、持续或消失。在生物学中,时序数据经常被分析为快照,可以直接比较跨时间的中尺度结构。当相互作用的时序在机制尺度上得到解析时,时序模体分析最具信息性;在许多组学衍生的TN中,稀疏采样将重点转向基于快照的模块和社区演化,而非细粒度的事件模体。许多生物TN研究不枚举细粒度的事件模体,而是关注中尺度结构的持续性与瞬时性。例如,瞬时的类团状组装可以反映功能复合物的时间有序形成和分解。跟踪此类模式提供了网络动态与通路逻辑之间的机制桥梁。在更大的中尺度上,时序社区分析侧重于诸如社区增长/收缩、合并/分裂以及诞生/消亡等事件。补充地,跟踪跨时间的模块间与模块内枢纽可以揭示调控是由转变的跨模块协调主导还是由核心复合物内的稳定性主导,这个轴在疾病和应激反应情境中通常可以直接解释。捕捉时序中尺度行为需要对网络结构如何演化有明确的建模假设。马尔可夫链模型提供了一个简单的基线,其中时间t的状态仅依赖于近期历史,在表示长程依赖的能力与可解释性和统计效率之间进行权衡。然而,生物学中的中尺度动态可以反映非线性和延迟效应,促使能够学习更丰富时间依赖性的模型。时序/动态图上的深度学习方法提供了另一种选择,通过学习时间依赖的节点/边表示,这些表示可以聚类为演化模块或用于预测未来的链接/状态。这些方法可以捕捉超越固定阶马尔可夫假设的复杂依赖性,但它们引入了额外的风险,因此需要仔细的验证和报告。跨这些方法,可比性取决于强烈塑造中尺度结论的报告选择。我们建议报告:快照/窗口定义和有效时间分辨率;边推断和过滤选择,包括不确定性/稳健性;社区/子结构方法和关键参数;以及中尺度结果对合理替代方案的敏感性。
3.3 宏观尺度
虽然微观和中尺度分析侧重于单个组件和模块,但宏观尺度视角对于理解支配整个网络稳定性、效率和鲁棒性的全局属性至关重要。经典的静态属性提供了描述网络架构的词汇。将这些度量应用于TN允许我们解决关于稳定性、弹性和效率如何随时间变化的系统级问题。跟踪此类全局属性对于理解大规模的生物学转变至关重要。一个核心挑战是使静态度量适应动态拓扑,这直接取决于时间如何表示。当相互作用可以作为时间戳事件获得时,宏观尺度描述符可以直接根据时间尊重路径和时序距离来定义。更常见的情况是,在生物学研究中,时间被离散化为一系列快照,并独立为每个快照计算标准度量以生成揭示随时间全局变化的轨迹。或者,滑动窗口技术构建跨连续时间窗口的重叠子网络,这可以产生更平滑的趋势,但引入了窗口大小超参数。对于稀疏的生物时间序列网络,因此报告结论对合理窗口选择的敏感性非常重要。一个互补的策略是多层耦合,其中每个时间点被视为一层,每个节点链接到其在相邻层中的对应节点。这种耦合鼓励跨时间的连续性,并广泛用于时间正则化分析。在所有表示中,必须以一种尊重时间顺序的方式解释度量,当生物学问题暗示排序或传播时。然而,这在多大程度上是可能的取决于图的表示。当数据表示为事件流时,时序最短路径可以定义为时间尊重路径,其中每个交互在前一个之后发生,产生按时间顺序合理的传播路径。类似地,时序聚类可以根据因果有序三元组来制定。相比之下,在快照和滑动窗口表示中,这些量通常是单独在每个图内评估或跨连续图比较,这在较粗的粒度上捕捉时间变化,但不保留完整的事件顺序。在多层网络中,可以通过分析跨耦合层的路径、持久性或社区结构来处理相关问题。另一种建模策略涉及TN聚合,其中通过基于其时序频率对边进行加权来构建单个累积网络。虽然这种方法总结了长期连接模式,但它存在局限性。聚合可能模糊特定事件的时间,难以检测可能具有生物学或结构意义的间歇性交互。此外,它同等地对待所有交互频率,而不管上下文如何。因此,除非仔细解释,否则聚合可能过度强调噪声或低估功能上显著的瞬时事件。我们将完全聚合视为丢弃顺序的基线,因此未将其包括在图2的四种保留时间的表示中。
4 TN的分析前沿与核心挑战
TN分析是一个广泛且快速发展的领域,由于时间依赖性动态的整合而固有地复杂。分析方法是多样的,但通常旨在解决一组核心目标:跟踪结构变化、量化随时间变化的相似性、监测社区演化,并最终构建预测模型。方法的选择通常取决于具体的分析任务和可用数据的性质。
4.1 核心分析任务
在解决主要挑战之前,必须了解构成TN研究基础的主要分析任务。追踪结构变化是TN分析中的一个核心问题。研究人员调查局部和全局结构变化,例如网络增长、碎片化或重连的趋势。在生物系统中,连接性的转变可能对应于功能转换,为了解生理状态之间的关键通路改变提供了见解。为了探索这种动态,通常使用基于快照的分析,其中在每个时间点计算网络度量并进行比较。其他方法包括差异网络分析算法,这些算法被广泛认为是跟踪拓扑变化和识别重复模式的有效工具。并行多层网络模型支持研究层内边和层间边。量化和比较不同时间点的网络之间的相似性有助于评估系统是保持稳定还是经历显著的结构变化。比较和量化不同时间点网络之间的相似性有助于评估系统是保持稳定还是经历了显著的结构变化。有几种方法可用于此目的,包括常用的邻近统计量Jaccard指数、图编辑距离和图核。此外,网络比对技术可用于比较网络和识别相似性。通常使用两种比对策略:局部网络比对,比较两个网络的构建块;全局网络比对,通过最大化整体组织的结构重叠来对齐整个网络。这些方法各自构成了一个丰富的研究领域。监控社区演化这一任务侧重于社区如何在TN内形成、演化和消亡。关键现象包括社区持久性、出现、分裂、合并和消亡。有几种先进算法已被调整以捕捉这些动态。例如,Infomap算法是一种基于流的社区检测方法,可跨时间跟踪社区的演化。广义Louvain方法则通过同时优化层内和层间结构来扩展基于模块性的社区检测。相反,动态随机块模型提供了一个概率框架,通过推断潜在群体结构及其随时间的演化来建模跨网络的社区转换。其他方法包括识别跨时间点的持久团、通过频繁模式挖掘检测时序社区,或通过进化聚类建模平滑的社区转换。
4.2 关键挑战与未来方向
虽然上述分析框架为剖析TN提供了强大的工具包,但将其应用于生物系统暴露了一个核心张力:推断是瓶颈,预测是诱惑。推断询问我们是否可以从稀疏、嘈杂和不规则的测量中重构时序上忠实的网络,而预测则询问这些推断的动态是否可用于预测未来状态或响应。在实践中,弱推断会传播到自信但脆弱的预测模型中。因此,我们将剩余的挑战围绕构建可靠的TN模型并负责任地将其用于预测来组织。将时序网络分析应用于生物学的主要挑战源于数据本身的性质。理论框架通常假设高分辨率、连续的数据流,但生物学实验受到通量、成本和扰动限制的约束,导致数据集粗糙、不规则采样且不完整。理想与现实之间的这种差异会引入显著的分析假象,最明显的是时间混叠。当短暂但关键的分子事件落在采样点之间时,它们会被完全错过。此外,时间尊重路径的识别对缺失数据高度敏感。稀疏的实验数据然后用于校准这些模型,估计其动力学参数,并选择最能解释观测的拓扑。尽管计算密集,但这些方法可以超越仅仅的相关性,达到因果和预测性的理解。一个关键区别是方法是否采用确定性或概率性框架来表示生物学。确定性模型将相同的初始条件映射到相同的结果,反映了可预测的动态。概率性模型则编码不确定性和随机性,产生可能结果的分布而非单一预测。在GRN中,贝叶斯网络被广泛用于通过对基因间的概率依赖关系建模来支持因果假设,这非常适合于稀疏和嘈杂的数据。一个参数良好的机制模型,无论是确定性的还是概率性的,都可以模拟系统对扰动的响应并预测未来状态,这满足了系统生物学的核心目标。如果推断是瓶颈,那么验证就是决定下游时序解释是否具有生物学意义的质量控制层。与图1中的质量控制“门”一致,验证确定观察到的时序模式是可靠的生物动态还是采样、窗口化或模型类别的人工产物。这在时序生物学中尤为关键,稀疏采样、窗口化决策和模型假设可以从同一数据集产生多个看似合理但不兼容的TN。实际的验证应与所讨论的TN分析的时序体制和边语义相匹配。敏感性分析是测试建模选择稳健性的重要第一步。因为时间离散化和窗口大小可以极大地重塑图拓扑、枢纽排名和模块结构,应在一定范围的窗口大小或平滑强度下重新推断网络。研究人员至少应报告关键输出的稳定性。对于关联网络,这种检查通常能区分真正的重连与聚合假象。只要样本量允许,还应量化不确定性和稳定性。自助法或二次抽样等技术可以估计推断边和衍生特征的置信度,揭示结论是否依赖于一小部分样本。这对于伪时间驱动的分析尤其相关,其中时间“轴”本身是推断的。基于模型的推断类似地受益于输出参数分布而非点估计的贝叶斯公式,从而更诚实地呈现模型的确定性。此外,零模型为评估时序主张提供了必要的基线。与静态零模型不同,时序参考模型必须保留相关结构,同时随机化其他结构。这种测试对于确认观察到的动态是否超出了仅由采样噪声预期的水平至关重要。没有这些约束,缺失数据和离散化容易产生缺乏生物学基础的“幻影”模式。最后,外部和正交验证代表了最高层级的证据,将推断扎根于实验现实。虽然部分外部验证是增加可解释性的常见起点,但多组学整合通过要求跨模态的一致性提供了更严格的过滤器。例如,染色质可及性可以支持或惩罚从表达中推断的TF→靶标边。朝着因果推断的方向,在干预支持方向性的情境中,基准测试正在加速。CausalBench用于扰动单细胞数据,Temporal Graph Benchmark 2.0用于大规模链接预测,为这些体制提供了标准化的度量和可复现的流程。这些基准允许明确区分干预性因果发现和严格时间分割评估下的时序链接预测。将方向性基于此类扰动或时间顺序,而不仅仅是相关性,对于稳健的网络重构至关重要。因此,在将动态图学习转化为生物学时,评估必须尊重时间顺序以避免数据泄漏;至少,应报告明确的时间分割和任务定义,以确保性能不会被人为夸大。这种透明的协议对于差异网络和重连方法尤为重要,这些方法经常存在分歧,需要在共享的、可复现的评估流程上进行比较评估。最终,这些验证层将TN从有吸引力的视觉叙述转变为可靠的生物学模型:推断成为一个可以被检验的主张,而不仅仅是一个可以被绘制的结构。从描述性分析和推断转向预测性建模标志着该领域的下一个关键前沿。预测未来的网络状态需要能够处理时间依赖性和生物复杂性的模型。在实践中,许多成熟的“时序GNN”部署在生物医学中,操作于从电子健康记录构建的患者轨迹图或纵向大脑连接图上,其中结果是直接观察到的。然而,当网络是推断出来时,预测增益可能反映窗口化/推断选择或信息泄漏。这种泄漏经常通过“前瞻性偏差”发生,即将未来信息无意中融入当前状态。因此,预测的主张必须明确说明模型是在给定固定图、未来边/重连还是机制模型下的潜在状态来预测结果。T-GNN已成为这些任务中特别有前途的一类深度学习模型。与静态对应物不同,T-GNN明确设计用于从演化的拓扑和节点特征中学习,使其非常适合生物动态。最近在肿瘤学中的应用突显了这种潜力:在纵向基因表达网络上训练的T-GNN在预测药物敏感性方面表现出优于依赖静态快照的模型的准确性。此类模型捕捉决定细胞命运的调控通路的动态重连,为药物反应和耐药性提供了机制见解。识别疾病“临界点”代表了这些架构的另一个高影响力应用。T-G