CAREPath：用于药物重定位的具有机制增强嵌入的语义上下文感知推理路径

《Briefings in Bioinformatics》：CAREPath: semantic context-aware reasoning paths with mechanism-augmented embeddings for drug repurposing

　　

摘要：包含药物、基因和疾病的生物医学知识图谱通过基因介导的多跳路径将药物与疾病联系起来，从而支持药物重定位，并实现作用机制推理。然而，更深的遍历并不一定能改善机制推理：长路径的组合式增长且经常通过枢纽基因，产生无关的基因调控信号，而过度约束或稀疏的路径可能丢失更广泛的生物学背景。研究人员提出了上下文感知推理路径（Context-Aware REasoning Path, CAREPath），这是一种受深度搜索和广度搜索推理启发的知识图谱（knowledge graph, KG）-大语言模型框架，用于平衡机制特异性、可扩展性和上下文恢复。深度搜索策略将遍历约束在短的疾病-基因-药物路径上，将每条路径转换为结构化提示，并用生物医学语言模型进行编码以生成语义路径嵌入。互补地，广度搜索策略从一跳基因邻域构建实体级机制上下文嵌入，并通过相似性引导增强（使用药理学相关药物和基因特征相似疾病）对其进行丰富。在五个生物医学知识图谱上，CAREPath在疾病冷启动设置下，在18个基线方法中取得了最佳精确率-召回率曲线下面积（area under the precision–recall curve, AUPRC），性能提升高达3.6%。进一步分析表明，语义短路径编码对性能贡献最大，而机制上下文增强在稀疏路径信号下提高了鲁棒性，并增强了基因本体功能一致性。案例研究和最近美国食品药物管理局（U.S. Food and Drug Administration, FDA）批准的适应症进一步证明了其实用相关性，使CAREPath成为一个在存在约束路径时提供可解释机制依据、在不存在时仍保持鲁棒性的框架。源代码可在https://github.com/hamppy-song/CAREPath获取。

**CAREPath：基于机制增强嵌入的语义上下文感知推理路径用于药物重定位——论文解读**

**一、研究背景与问题**

药物重定位作为系统药理学中的核心挑战，旨在为已有药物发现新的治疗适应症。成功的药物重定位不仅要能对候选药物-疾病对进行排序，还需要解释连接两者的分子机制。生物医学知识图谱（Biomedical Knowledge Graph, BKG）通过整合药物、基因、疾病等异构实体及其关系，为建模这些机制提供了基础。基于路径的推理是其中的常见策略，它通过中间基因节点的多跳路径连接药物和疾病，从而表征药物-靶点相互作用通过基因网络影响疾病过程的作用机制路线。

然而，在知识图谱（Knowledge Graph, KG）药物重定位中，增加跳数深度未必能改善机制推理。多跳遍历虽然旨在捕获间接生物学关系，但实践中带来两个主要挑战：第一，更深的遍历会大幅增加候选路径数量，且路径频繁经过枢纽基因（hub genes），导致表征反映的是图连通性而非生物学上有意义的机制，路径变得对特定药物-疾病对缺乏特异性；第二，仅降低遍历复杂度也不够，因为受约束或稀疏的路径可能无法捕获稳健重定位所需的更广泛机制上下文，尤其对于注释稀疏的实体，短疾病-基因-药物路径可能缺失、不完整或被少数泛化中介因子主导。因此，有效的KG药物重定位既需要控制有噪声的多跳扩展，又需要以生物学上可解释的方式恢复缺失的机制级上下文。

**二、研究内容与主要结论**

针对上述问题，研究人员提出了CAREPath，这是一个KG-大语言模型（large language model, LLM）框架，旨在平衡药物重定位中的机制特异性、可扩展性和上下文恢复能力。CAREPath采用深度搜索策略，将遍历约束在短的疾病-基因-药物路径上，抑制组合式路径扩展并减少枢纽基因驱动路径；同时采用广度搜索策略，构建实体级机制上下文嵌入并通过相似性引导增强来补偿稀疏路径的不足。研究在五个生物医学知识图谱基准（MSI、PrimeKG、Hetionet、SuppKG和KEGG50k）上，以疾病冷启动为主要评估设置，与18个基线方法（涵盖图神经网络、知识图谱嵌入、大语言模型文本编码器和基于路径的推理方法）进行了系统比较。结果表明，CAREPath在所有五个知识图谱上均取得最佳AUPRC，性能提升最高达3.6%，并通过案例研究和2024-2025年FDA新批准适应症的外部评估，证明了其实际应用价值。该研究发表于《Briefings in Bioinformatics》。

**三、主要技术方法**

CAREPath框架包含三大技术模块。第一，约束语义路径编码（深度搜索策略）：从BKG中提取至多2个中间基因节点的疾病-基因-药物路径，将路径转换为自然语言推理风格的结构化提示，用冻结核生物医学语言模型BioLinkBERT编码并由最大池化聚合；当无路径时采用ATC药物分类引导的替代药物策略。第二，实体机制上下文增强（广度搜索策略）：提取药物和疾病的一跳基因邻域并转换为句子，用同一语言模型编码后求均值，再通过ATC分组药物和基因特征相似疾病进行相似性引导的残差混合增强。第三，特征融合与预测：将路径嵌入和两个机制上下文嵌入拼接，由三个XGBoost基学习器加逻辑回归元学习器的堆叠集成进行分类预测。

**四、研究结果**

**四个主要发现**：

1. **五个BKG上的性能比较**：在疾病冷启动设置下，CAREPath在所有五个知识图谱上均取得最高AUPRC，包括MSI（0.893）和Hetionet（0.963）。CAREPath一致性地优于独立使用BioLinkBERT编码器的变体，表明性能提升源自框架的结构化设计而非单纯的语言模型能力。

2. **语义路径嵌入与机制上下文表征的贡献**：在MSI疾病冷启动设置下的消融实验显示，去除语义路径嵌入导致最大性能下降（?4.6%），而去除药物或疾病机制上下文嵌入分别导致?1.1%和?1.5%的较小但一致的下降，表明语义路径编码是性能的主要驱动因素，机制上下文模块在路径信号较弱时发挥互补作用。

3. **疾病水平机制相似性**：对语义路径嵌入进行主成分分析（PCA），显示霍奇金病和急性淋巴细胞白血病这两种机制相关的淋巴恶性肿瘤在嵌入空间中聚类紧密，而血栓形成作为机制不同的比较条件被明确分离，在1260个疾病三元组中相关疾病对更近的比例达63.6%（置换检验P<10^?4）。

4. **稀疏邻域下的鲁棒性和基因本体一致性**：CAREPath在基因邻域丰富和稀疏的配对中均取得最高AUPRC，且是稀疏条件下性能下降最小的方法。加入机制上下文嵌入后，与参考GO-BP注释的中位召回率相对提高+24.5%，增益在深度搜索派生的GO术语稀少时最大。

**五、案例研究与讨论**

在案例研究中，卡培他滨→乳腺肿瘤案例显示，仅约束路径只能恢复单一的TYMS靶点和嘧啶代谢通路，而完整CAREPath通过广度搜索机制上下文恢复了PI3K-Akt信号通路和雌激素信号通路，包含与乳腺癌亚型治疗反应相关的ERBB2等基因。多塞平→双相抑郁案例中，约束路径仅恢复血清素能突触通路（HTR1A、SLC6A4），而完整框架进一步恢复了神经活性配体-受体相互作用通路和cAMP信号通路，涵盖谷氨酸能、GABA能和多巴胺能成分，与当代心境障碍治疗的突触平衡和神经可塑性机制一致。在2024-2025年FDA新批准适应症的外部评估中，CAREPath对八个先前未见适应症中的六个给出≥0.9的高预测概率，且在840个候选疾病排名中六个进入前十，优于DREAMwalk和K-Paths基线。

**六、研究结论**

研究人员提出CAREPath，一个结合约束短疾病-基因-药物路径、生物医学语言模型编码和局部基因邻域机制上下文的药物重定位框架，实现了具有机制可解释依据的准确预测。在五个异质性BKG上，CAREPath在疾病冷启动设置下取得最佳AUPRC，并在随机和药物冷启动设置下保持高度竞争力。分析表明语义路径编码驱动最大增益，而机制上下文在稀疏注释实体上提高了鲁棒性并增强与GO-BP注释的一致性。CAREPath表明，在约束路径长度的同时恢复机制上下文，能够在准确性和可解释性之间取得平衡。其局限性包括对底层图谱完整性的依赖，以及短路径约束可能遗漏超出当前遍历预算的更长基因级联机制，未来可通过引入化学结构、转录组响应等互补信息源和生物学引导的路径过滤来进一步扩展。

**Key Points（研究要点）**：
- CAREPath是一个用于药物重定位的KG-LLM框架，结合了约束短疾病-基因-药物路径（深度搜索）与机制上下文嵌入（广度搜索）。
- 在五个生物医学知识图谱和18个基线方法中，CAREPath在疾病冷启动设置下取得最佳AUPRC，并在稀疏和丰富的基因邻域下保持鲁棒性。
- 案例研究表明，CAREPath恢复了具有临床意义的调控通路，并为存在约束路径的配对提供可解释依据，同时对近期FDA批准的适应症给出高分预测。