CDR信息指导的图神经网络用于肺癌与肺神经内分泌肿瘤血浆代谢组学研究

《International Journal of Molecular Sciences》：CDR-Informed Graph Neural Network for Plasma Metabolomics in Lung Cancer and Pulmonary Neuroendocrine Neoplasms

　　

摘要翻译：血浆代谢组学为非侵入性肺癌分型提供了一条有前景的途径。然而，大多数分类框架将肺癌视为单一疾病，将非小细胞肺癌（NSCLC）与肺神经内分泌肿瘤（NEN）混为一谈，尽管二者的生物学特性和治疗路径截然不同。研究人员将异质图神经网络应用于一个三类分类问题，即基于800名受试者（466例NSCLC，120例NEN，214例对照）的靶向血浆代谢组学分析，区分对照组、NSCLC和NEN。匹配的代谢物根据细胞危险反应（CDR）相关类别和预期变化方向进行注释，这些注释被编码为代谢物特征和方向感知的患者–代谢物边权重。在十个随机种子中，三类模型达到了宏平均F1为 ，宏平均AUROC为 。将三类后验概率合并为癌症与对照评分后，得到AUROC为 、敏感性为 ，F1得分为 。一个单独的仅癌症分类器区分NEN与NSCLC，准确率为 ，AUROC为 。梯度乘输入归因识别出一碳代谢、甘氨酸–丝氨酸代谢、脯氨酸和鸟氨酸–精氨酸代谢程序，其中脯氨酸、C5DC、尿酸和富马酸位列主要注释代谢物。移除所有11个队列来源的N类注释后，NSCLC与NEN的AUROC基本不变，更广泛的比较器分析显示，CDR先验相对于其他方面匹配的浓度加权GNN没有可测量的预测优势。这些发现表明，预测判别主要由测量的代谢组学特征驱动，而CDR组件提供了一个生物结构化的框架，用于方向性代谢物和通路解释。独立的内部和前瞻性验证对于确立泛化性和临床实用性是必需的。

论文解读：

**研究背景与问题**
肺癌的精准诊疗高度依赖病理分型和分子分型，但传统组织取样具有侵入性且存在假阴性风险。低剂量计算机断层扫描虽可降低死亡率，但高假阳性率导致大量不必要的侵袭性检查。血浆代谢组学能够检测肿瘤引起的系统性代谢重编程，已被证明可用于肺癌早期检测。然而，现有分类框架常将肺癌视为单一疾病，忽略了非小细胞肺癌（non-small-cell lung cancer, NSCLC）和肺神经内分泌肿瘤（pulmonary neuroendocrine neoplasms, NEN）在细胞起源、代谢特征和治疗路径上的显著差异。NEN约占原发性肺恶性肿瘤的20%–25%，但源自支气管上皮的神经内分泌细胞，其代谢程序与NSCLC截然不同。临床处理上，NEN的治疗策略（如生长抑素类似物、肽受体放射性核素治疗）与NSCLC的化疗、靶向及免疫治疗差异巨大。因此，术前通过血浆代谢组学识别NEN代谢特征，有助于优化活检策略和初步治疗决策。此前发表的M-GNN框架虽能整合代谢物、通路和疾病关系进行肺癌二元分类，但未编码代谢物变化方向，也无法区分NSCLC与NEN。

**研究目的与工作**
本研究提出一种CDR信息指导的异质图神经网络（CDR-informed Graph Neural Network），基于800名参与者的靶向血浆代谢组学数据（466例NSCLC、120例NEN、214例对照），构建三类分类模型（对照组、NSCLC、NEN），并进一步对586例癌症患者进行NSCLC与NEN的二元亚型区分。该网络将细胞危险反应（Cell Danger Response, CDR）框架中代谢物的类别和预期变化方向编码为节点特征和边权重，使图神经网络在消息传递过程中能够利用方向性生物学先验。研究还通过比较器分析和消融实验评估了CDR先验对预测性能的实际贡献。

**主要结论与意义**
三类模型在十个随机种子上取得宏平均F1为 ，宏平均AUROC为 ；癌症与对照分类的AUROC为 ，敏感性为 ；NSCLC与NEN亚型区分的AUROC为 。NEN类别虽样本量最小，但分离度最高，特异性达 ；对照组因包含良性和炎症性肺部疾病而最难分类。特征归因分析识别出一碳代谢、甘氨酸–丝氨酸代谢、脯氨酸以及鸟氨酸–精氨酸代谢通路，脯氨酸、C5DC、尿酸和富马酸是重要注释代谢物。然而，配对消融实验显示，移除所有11个队列来源的N类注释后，NSCLC与NEN的AUROC几乎不变；比较器分析也表明，CDR先验相对于单纯浓度加权GNN没有可测量的预测优势。因此，预测判别主要依赖实测代谢组学特征，CDR组件的作用是为方向性代谢物和通路解释提供生物学结构框架。该研究首次将CDR方向性先验引入异质图神经网络用于肺癌和肺神经内分泌肿瘤的三类判别，但需独立外部和前瞻性验证以确立临床实用性。

**主要技术方法**
研究使用了回顾性病例–对照设计，样本来自魁北克心脏与肺脏研究所–拉瓦尔大学（IUCPQ-UL）生物样本库的800份血浆样本。靶向代谢组学采用高效液相色谱–串联质谱（HPLC-MS/MS）平台定量166种代谢物，经质量过滤后150种用于建模。图网络构建采用NetworkX和PyTorch Geometric，将患者、代谢物、疾病和通路编码为四类节点，定义方向感知的浓度边、疾病关联边、通路归属边和吸烟风险边。CDR注释将37种代谢物分为A、B、C和N类并赋予预期方向，以五维特征和统一边增强因子1.5编码。模型采用三消息传递层（SAGEConv和图形注意力），训练使用逆频率类别加权、标签平滑和早停法。消融设计包括临床仅、代谢物仅、合并特征弹性网络，以及不同图变体（未加权、浓度加权、无方向、无增强、CDR节点先验等）的配对比较，并使用梯度乘输入归因进行生物学解释。

**研究结果**
2.1 队列特征与统计比较：分别总结对照组、NSCLC和NEN的基线人口学和临床特征，连续变量以均值±标准差表示，分类变量以数量和百分比表示，采用标准化均数差（SMD）评估配对组间不均衡。吸烟史和累积吸烟量的组间差异最大，年龄在对照组与NSCLC间也有差异（SMD为 ）。

2.2 对照组、NSCLC和NEN的三类判别：CDR信息M-GNN在留出测试分区上平均准确率为 ，宏平均F1为 ，宏平均AUROC为 ，AUPRC为 ，马修斯相关系数（MCC）为 。NEN类别虽然最小（测试支持 例），但分离最干净，AUROC为 ，特异性为 ；NSCLC敏感性最高（ ）；对照组最难分，F1和召回率最低。严格归纳设置下，准确率为 ，宏F1为 ，AUROC为 ，AUPRC为 。

2.3 合并癌症与对照分类：将三类后验合并为恶性评分 ，癌症与对照分类准确率为 ，F1为 ，敏感性为 ，AUPRC为 。大多数残余误差集中在特异性，与对照组中良性但异常的肺部疾病一致。

2.4 NSCLC与NEN亚型区分：癌症单独队列中，分类器分离NEN与NSCLC的准确率为 ，AUROC为 ，MCC为 ，NEN阳性特异性为 。匹配消融去除全部11个N类注释后，AUROC仍为 ，配对差异为 ，表明NSCLC与NEN区分不依赖队列来源的N类先验。

2.5 比较器与消融分析：临床仅弹性网络三个类任务AUROC为 ，代谢物仅为 ，合并特征为 ；NSCLC与NEN对应AUROC分别为 、 和 。配对比较显示浓度加权GNN与完整CDR-GNN的三类AUROC差异为 （95% CI 至 ），NSCLC与NEN差异为 （95% CI 至 ），置信区间均包含零，无显著预测优势。若从患者节点表示中移除代谢物浓度而仅保留边，三类AUROC降至 ，NSCLC与NEN降至 ，说明直接患者级代谢物表示对架构至关重要。

2.6 特征归因：梯度乘输入归因显示，三类癌症信号最强的通路贡献为二甲基甘氨酸脱氢酶缺乏症（ ），其次是广泛的转录/翻译通路（ ）和甘氨酸、丝氨酸和苏氨酸代谢（ ）。十二个低排名通路形成脯氨酸和鸟氨酸–精氨酸聚簇（≈0.63）。NSCLC与NEN归因中，甘氨酸、丝氨酸和苏氨酸代谢为第二通路。代谢物层面，脯氨酸（升高的Class A特征）是三类癌症信号中最高的注释代谢物；NSCLC与NEN任务中前三位均为N类标记：C5DC（升高）、尿酸（降低）和富马酸（降低）。大量未注释代谢物也获得较高归因，说明网络利用了超出人工先验的信号。

**讨论与结论**
讨论部分强调，一碳和甘氨酸–丝氨酸信号是增殖细胞核苷酸和甲基供体的关键依赖，与已知癌症脆弱性一致；脯氨酸和鸟氨酸–精氨酸轴支持肿瘤的氧化还原平衡和氮利用。尿酸作为嘌呤分解终产物，富马酸作为三羧酸循环中间体，以及乙酰肉碱C5DC，均与CDR框架预测的线粒体重塑和危险信号代谢一致。但需注意，CDR框架描述的是生物能量阶段和细胞状态，并非针对特定血浆代谢物的定量方向；方向性先验实际来源于癌症代谢组学文献和同伴队列研究。研究者明确将CDR先验定位为可解释的支架，而非预测性能增强器。未来方向包括整合循环游离DNA甲基化、建立更大规模亚型分层队列和外部验证。结论部分指出，开发了CDR信息异质图框架用于三类判别和NSCLC与NEN比较；比较器和消融分析表明主要预测信号来自代谢组学特征，CDR先验在现有实现中未产生可测量的预测提升，其贡献在于提供生物学结构化框架以组织方向性代谢物和通路解释。局限性包括单中心回顾性设计、转导式评估为主的验证模式、临床混杂因素无法完全排除，以及严格的归纳分析中阈值依赖性能变异较大。未来需开展独立多中心验证、前瞻性队列、更大NEN亚组队列并控制临床混杂因素。