《Engineering Applications of Artificial Intelligence》：Deep learning framework for the diagnosis of systemic sclerosis using serum-derived microbial signatures
编辑推荐：
系统性硬化症（systemic sclerosis, SSc）是一种病因未知的罕见且严重的自身免疫性疾病，目前缺乏有效的治疗手段。因此，早期诊断和及时干预对于改善临床结局至关重要。越来越多的证据表明，人类微生物组是SSc发病机制的关键因素，在患者中已识别出独特
系统性硬化症（systemic sclerosis, SSc）是一种病因未知的罕见且严重的自身免疫性疾病，目前缺乏有效的治疗手段。因此，早期诊断和及时干预对于改善临床结局至关重要。越来越多的证据表明，人类微生物组是SSc发病机制的关键因素，在患者中已识别出独特的微生物变化。鉴于循环的抗微生物免疫球蛋白M（IgM）抗体反映了近期和系统性的微生物扰动（涉及多个器官系统），针对不同微生物物种的血清IgM抗体进行全面分析，可能通过识别SSc相关的微生物特征，为预测早期疾病发展提供一种有前景的策略。然而，目前尚未开发出整合微生物组来源血清学数据的SSc预测诊断模型。在本研究中，研究人员引入了一种新颖且可解释的深度学习框架，该框架基于图注意力网络（Graph Attention Networks, GAT）和卷积神经网络（Convolutional Neural Networks, CNN），利用血清抗微生物IgM抗体数据实现SSc的准确诊断，并揭示有效的菌间关系。研究人员分析了一个包含126名个体（76名SSc患者和50名健康对照）的数据集。为了捕捉传统表格数据常忽略的复杂物种间相关性，研究人员首先将微生物图谱转换为图结构。所构建的集成模型结合了用于关系特征提取的GAT和用于层次模式识别的CNN，实现了0.9051的高诊断准确率，较近期可比研究提高了多达10.96个百分点。为解释模型的诊断依据，研究人员对拟议框架中间层的潜在表征应用了关联规则挖掘（Association Rule Mining, ARM）。该分析揭示了显著的聚类模式，区分了SSc患者中常见的特定微生物组合组，而这些模式在健康对照中很少观察到。研究人员的工作提出了一种在医疗保健中解释深度学习预测的新方法，并为这种方法在罕见病环境中的诊断潜力提供了初步证据，仅使用了少量核心微生物组合。这些发现表明，该方法具有提高SSc筛查效率的潜力，并为该疾病背后的生物学机制提供了假设生成性见解，有待在更大的独立队列中进行进一步验证。
**论文解读：基于血清微生物特征的系统性硬化症诊断深度学习框架**
**1. 研究背景、现存问题与研究动机**
系统性硬化症（systemic sclerosis, SSc）是一种罕见的慢性自身免疫性疾病，其特征为多器官纤维化、血管病变和免疫失调。胃肠道（GI）受累是常见的临床表现，影响高达90%的患者，并导致生活质量显著下降和死亡率增加。近期研究表明，肠道微生物失调与SSc的发生和进展密切相关。然而，传统的微生物分析方法，如粪便样本的16S核糖体RNA（rRNA）基因测序或鸟枪法宏基因组分析，存在固有局限性：它们难以捕捉其他关键黏膜部位的微生物群落，且可能无法区分具有不同免疫效应的细菌物种或菌株。为克服这些局限，基于血清的抗微生物抗体阵列提供了有力替代方案。循环抗体反映了宿主对多种器官系统微生物的系统性免疫应答。特别地，本研究中对IgM抗体的分析可显示与特定疾病阶段相关的近期微生物扰动。然而，分析这些抗体反应面临巨大计算挑战。数据来自数百种细菌物种，具有高维度和复杂的组成性。此外，微生物并非孤立存在，而是形成复杂的生态网络，产生数据内部的复杂相互依赖关系。因此，将每个物种视为独立特征的传统机器学习方法难以捕捉这些有生物学意义的关系。
**2. 研究内容、结论与意义**
本研究开发了一种新颖的多模态深度学习框架，利用宿主血清抗微生物IgM抗体值诊断SSc。该框架包含两条并行路径：一条通过一维卷积运算直接处理表格化抗体数据以学习内在模式；另一条将数据转换为图结构（每个细菌物种作为一个节点），使图注意力网络（Graph Attention Networks, GAT）学习物种间的关系。两条路径的输出通过集成融合以最大化分类性能。此外，为解释模型用于预测的微生物组合，研究人员应用了关联规则挖掘（Association Rule Mining, ARM）以提取关键的诊断生物标志物模式。研究在一个包含126名参与者（76名SSc患者和50名健康对照）的数据集上对该框架进行了评估，这些参与者来自三家三级医疗中心，每份血清样本使用定制微阵列分析了针对384种不同微生物物种的IgM反应。研究得出结论：提出的GAT-CNN集成模型在10折交叉验证中实现了0.9051的高诊断准确率和0.9047的F1分数，优于所有基线方法（包括TABM的87.44%和TabNet的84.23%）。通过ARM分析，研究发现了具有高置信度（1.000）和强支持度（0.88）的微生物簇间关联规则，特别是短链脂肪酸（SCFA）产生簇（Cluster 3）的缺失与促炎机会致病菌簇（Cluster 2）的扩张之间的关联，揭示了SSc相关的菌群失调模式。该研究的重要意义在于，它首次将血清IgM抗体谱分析应用于SSc诊断，并提出了一种可解释的深度学习框架，不仅实现了高精度预测，还提供了生物学上的可解释性，为理解SSc发病机制中的宿主-微生物相互作用提供了假设生成性见解。论文发表在《Engineering Applications of Artificial Intelligence》。
**3. 主要关键技术方法**
研究人员为开展研究主要采用了以下关键技术方法：1）**血清抗微生物IgM微阵列分析**：使用涵盖384种肠道相关细菌物种的定制细菌抗原微阵列，通过免疫测定法量化血清样本中针对每种细菌抗原的IgM荧光强度。样本来源于韩国生物银行网络的三个医疗中心（釜山国立大学医院、汉阳大学医院和庆尚国立大学医院）。2）**图结构化与图注意力网络（GAT）**：将384维的IgM反应向量转换为全连接图结构，每个细菌物种作为一个节点，并引入一个全局汇总（CLS）节点。GAT用于学习节点间的注意力权重，从而捕捉物种间的依赖关系。3）**一维卷积神经网络（1D CNN）**：作为表格路径，直接处理原始的IgM抗体序列，提取局部模式（如短序列的升高或抑制）和样本级特征。4）**集成模型与后期融合**：将GAT分支的图级嵌入与CNN分支的表格嵌入通过拼接进行后期融合，输入全连接层和softmax层进行SSc与健康对照的分类预测。5）**关联规则挖掘（ARM）算法**：利用Apriori算法，从GAT和CNN提取的重要微生物特征（基于注意力分数和类激活映射）中挖掘频繁项集和关联规则，以识别SSc患者中特有的微生物簇共现模式。
**4. 研究结果**
**4.1. 数据集与网络实现**
输入特征来源于针对384种细菌物种的定制血清IgM抗体微阵列。数据集包含76名SSc患者（27份来自釜山国立大学，49份来自汉阳大学）和50名健康对照（健康对照，HC）。所有实验在配备特定高性能计算资源的平台上进行，并设定了详细超参数（如CNN卷积核大小、GAT注意力头数、学习率等）和固定随机种子以确保可重复性。
**4.2. 10折交叉验证**
通过分层10折交叉验证评估，提出的GAT-CNN集成模型在所有评估指标上均优于所有竞争方法（包括随机森林RF、XGBoost、MLP、CNN、GCN、GAT，以及先进表格学习方法如TABM、TabNet和微生物组专用框架MetAML、DeepMicro）。模型达到了0.9051±0.0905的准确率和0.9047±0.0895的F1分数。单独使用GCN或GAT性能较差（准确率分别为39.68%和56.41%），归因于全连接图上的过平滑问题，而双路径架构通过并行CNN分支有效缓解了此问题。
**4.3. 混淆矩阵与消融研究**
在测试集上的混淆矩阵分析显示，模型正确分类了16个SSc样本中的16个和10个非SSc样本中的9个，实现了SSc类别召回率1.000和整体准确率96.15%。消融研究通过移除GAT或CNN分支，证实了双路径架构的必要性：单独使用1D CNN的准确率为65.38%，单独使用GAT为61.54%，而完整集成模型达到96.15%，证明两种模态提供互补信息。
**4.4. 模型鲁棒性与样本效率分析**
学习曲线分析显示，在不同比例的训练数据上，模型均稳定收敛，且训练与验证准确率之间无较大差距。这表明所采用的正则化技术（包括双路径瓶颈、dropout和焦点损失）有效防止了过拟合。
**4.5. 注意力可视化**
通过分析GAT分支分配给单个微生物物种的注意力得分，识别了模型认为对区分SSc与健康对照最具信息量的20种微生物物种，其中包括Micrococcus sp、Bacillus megaterium、Parascarodovia denticolens和Klebsiella pneumoniae等。进一步分析SSc患者和健康对照的单样本注意力权重分布，发现SSc患者的分布更广且呈偏态，表明GAT有效捕获了物种特异性的判别模式，而非过平滑。
**4.6. 关联规则挖掘（ARM）与聚类分析**
通过无监督聚类将所有384种细菌分为9个簇（Cluster 0至8）。基于GAT和CNN提取的重要特征，应用Apriori算法挖掘簇级别的关联规则。结果发现了显著规则，例如Cluster 1→Cluster 2（支持度0.8815，置信度1.0，提升度1.1176）和Cluster 6→Cluster 2（支持度0.6973，置信度1.0）。这些规则揭示了SSc患者中微生物簇间的高置信度共现模式，主要体现了短链脂肪酸产生簇（Cluster 3）的缺失与促炎机会致病菌簇（Cluster 2）扩张之间的关联，构成一个可能的“保护性功能丧失→病原菌扩张”失调轴。
**5. 讨论与结论**
在讨论部分，研究人员将模型性能与临床常用的SSc特异性自身抗体（抗着丝粒抗体ACA和抗Scl-70抗体ATA）进行了对比。指出ACA和ATA的敏感性有限（约33%和20–34%），联合敏感性仅约58%，而GAT-CNN模型实现了90.51%的敏感性，提示其对血清阴性患者作为补充筛查工具的潜力。然而，研究也强调了队列规模较小（N=126）带来的置信区间较宽问题，并指出需要前瞻性多中心队列验证。ARM分析发现的Cluster 3（包含产丁酸的SCFA产生菌，如乳酸杆菌和梭菌）与Cluster 2（包含肺炎克雷伯菌等促炎病原体）之间的稳健关联（置信度1.0），被解释为支持“保护性功能丧失”假说的数据驱动证据。研究人员提出一个机制性假设：SSc的潜在病理（如GI动力障碍）可能导致关键“辅助”细菌（如长双歧杆菌Bifidobacterium longum）减少，进而破坏SCFA产生能力，削弱抗炎和屏障保护功能，最终为促炎病原体提供繁殖机会，形成慢性炎症循环。
**结论部分翻译如下：** 在本研究中，研究人员提出了一种可解释的深度学习框架，该框架集成了卷积和图基架构，利用微生物组来源的免疫学特征对SSc进行分类。通过结合CNN和GAT，该模型有效捕捉了数据中的局部和全局模式，在保持可解释性的同时实现了高预测性能。除了分类，该模型利用注意力机制和ARM来发现与SSc相关的有意义的细菌簇。这种方法不仅实现了具有高初步准确性的疾病预测，还提供了对宿主-微生物相互作用的生物学见解。特别是，ARM结果提示了从保护性菌群向促炎性菌群转变的可能性，为未来的实验验证提供了一条假设生成的途径。总之，该框架为可解释神经网络模型桥接机器学习和机制微生物学的潜力提供了概念验证证据。该方法为分析复杂微生物组数据集和识别与疾病发病机制相关的候选微生物特征提供了一种通用策略。
