Learning Multi-Relational Graph Representations for DNA Methylation-Based Biological Age Estimation

ملخص تقني: RelAge-GNN لتقدير العمر البيولوجي القائم على مثيلة الحمض النووي (DNA Methylation)

بيان المشكلة
تقوم ساعات الشيخوخة بتقدير العمر البيولوجي من خلال المؤشرات الحيوية لتقييم الحالة الفسيولوجية ومخاطر الأمراض، وهو أمر يختلف عن العمر الزمني. وتعد مثيلة الحمض النووي (DNA methylation) مؤشراً حيوياً رئيسياً نظراً لاستقرارها وارتباطها القوي بالشيخوخة. ومع ذلك، تواجه طرق "ساعات الشيخوخة" القائمة على الذكاء الاصطناعي قيوداً كبيرة:

1. افتراض الاستقلالية: تعامل معظم النهج مواقع الـ CpG كسمات مستقلة، متجاهلة العلاقات البيولوجية المعقدة وغير المتجانسة مثل الميثيلة المشتركة (co-methylation)، والتقارب الجينومي، والارتباطات على مستوى الجينات.
2. النمذجة الجامدة: بينما توجد بعض الأساليب القائمة على الرسوم البيانية (graphs)، إلا أنها غالباً ما تعتمد على رسم بياني واحد أو استراتيجيات ثابتة لدمج أنواع العلاقات المختلفة. وهذا يفشل في تمييز المساهمات المتفاوتة للعلاقات البيولوجية المختلفة عبر العينات ويحد من مرونة النموذج.
3. القابلية للتفسير: تفتقر نماذج التعلم العميق غالباً إلى التفسير الواضح فيما يتعلق بكيفية مساهمة الهياكل البيولوجية المحددة في التنبؤات.

المنهجية: RelAge-GNN
يقترح المؤلفون إطار عمل RelAge-GNN، وهو شبكة عصبية رسومية متعددة العلاقات مصممة لنمذجة التبعيات الهيكلية بين مواقع CpG بشكل صريح. تتكون المنهجية من ثلاثة مكونات أساسية:

1. بناء الرسم البياني متعدد العلاقات:
   بدلاً من رسم بياني واحد، يبني إطار العمل ثلاثة رسوم بيانية تكميلية، يحتفظ كل منها بعلاقة دلالية محددة:

• رسم الميثيلة المشتركة البياني ($G_1$): تمثل الحواف قيم الارتباط المستمر بين مواقع CpG (تم تحديدها بعتبة لضمان الندرة).
• رسم التمركز الجينومي المشترك ($G_2$): تمثل الحواف اتصالات منطقية (Boolean) بين مواقع CpG الموجودة على نفس الكروموسوم.
• رسم الارتباط على مستوى الجين ($G_3$): تمثل الحواف اتصالات منطقية بين مواقع CpG الموجودة داخل نفس الجين.
  تشمل سمات العقد (node features) قيم المثيلة، وسمات جزر CpG (الموقع، الطول)، ومعلومات التسلسل المجاور (flanking sequence)، والمسافة إلى مواقع بدء النسخ.

2. مشفر ثلاثي الفروع باستخدام PNAConv:
   يتم معالجة كل رسم بياني بواسطة فرع مستقل من الشبكة العصبية الرسومية (GNN) باستخدام PNAConv (تجميع الجوار الرئيسي). تم اختيار PNAConv لقدرتها على التعامل مع توزيعات درجة العقد المتغيرة من خلال استخدام مجمعات متعددة (المتوسط، الحد الأقصى، الحد الأدنى، الانحراف المعياري) ومقاييس (scalers). يسمح هذا لكل فرع بتعلم تمثيلات هيكلية خاصة بالعلاقة ($H_1, H_2, H_3$) دون خلط أنواع الحواف غير المتجانسة.

3. آلية الدمج الموجهة القابلة للتعلم (Learnable Gated Fusion Mechanism):
   لمعالجة مشكلة استراتيجيات الدمج الثابتة، يستخدم النموذج شبكة توجيه (gating network) قابلة للتعلم.

• يتم دمج مخرجات الفروع الثلاثة ($H_{cat}$).
• تقوم شبكة التوجيه (MLP + Softmax) بتوليد أوزان تكيفية ($\alpha_1, \alpha_2, \alpha_3$) لكل عقدة.
• التمثيل النهائي ($H_f$) هو مجموع أوزان مخرجات الفروع: $H_f = \sum \alpha_k \odot H_k$.
  يسمح هذا للنموذج بتعديل مساهمة كل علاقة بيولوجية ديناميكياً عند مستوى العقدة بناءً على سياق العينة المحدد.

4. التنبؤ والقابلية للتفسير:
   يمر التمثيل المدمج عبر طبقة ضغط ورأس انحدار (MLP regression head) للتنبؤ بالعمر. ولأغراض التفسير، قام المؤلفون بتوسيع إطار عمل GNNExplainer لقياس أهمية:

• عقد CpG الفردية.
• سمات العقد (السمات/Features).
• فروع الرسم البياني الثلاثة المتميزة (الهياكل العلاقاتية).

المساهمات الرئيسية

• تحديد القيود: يسلط البحث الضوء على أن الطرق الحالية تفشل في التقاط التبعيات البيولوجية المعقدة وغالباً ما تستخدم استراتيجيات دمج جامدة لا يمكنها التكيف مع الاختلافات النوعية في العينات.
• إطار عمل مبتكر: يقدم RelAge-GNN بنية متعددة العلاقات تنمذج صراحةً الميثيلة المشتركة، والتواجد على نفس الكروموسوم، وارتباطات نفس الجين عبر فروع مستقلة.
• الدمج التكيفي: يتيح إدخال آلية التوجيه القابلة للتعلم ضبطاً ديناميكياً لأوزان العلاقات على مستوى العقدة، مما يحسن المرونة مقارنة بالنماذج المرجعية ذات الأوزان الثابتة.
• تعزيز القابلية للتفسير: يوفر إطار العمل آلية لقياس مساهمة علاقات بيولوجية محددة ومواقع CpG، مما يقدم رؤى حول محركات التنبؤ بالعمر.

النتائج التجريبية
تم تقييم النموذج على مجموعات بيانات واسعة النطاق تضم 3,707 عينة سليمة و624 عينة مرضية (سرطان المبيض، الفصام، هشاشة العظام) من أنسجة الدم.

• الأداء التنبئي: حقق RelAge-GNN دقة تنافسية مقارنة بالنماذج المرجعية المتطورة (Horvath, AltumAge, DeepMAge, GraphAge). وقد أظهر معامل انحدار ملائم أعلى (FRC = 0.962) ومتوسط خطأ مطلق أقل (MAE = 3.43) ومتوسط خطأ تربيعي أقل (MSE = 29.46) من النماذج المرجعية.
• حساسية تسارع العمر (AA): أظهر النموذج حساسية فائقة في اكتشاف تسارع العمر عبر مجموعات أمراض متنوعة. على سبيل المثال، في حالات سرطان المبيض بعد انقطاع الطمث، حدد ما يقرب من 40% من العينات ذات تسارع العمر الإيجابي، متفوقاً بشكل كبير على GraphAge (أقل من 20%) وAltumAge (أقل من 10%).
• دراسات الاستئصال (Ablation Studies): أدى إزالة أي فرع من فروع الرسم البياني إلى تدهور الأداء، حيث كانت الميثيلة المشتركة ($G_1$) والرسم البياني على مستوى الجين ($G_3$) حاسمين بشكل خاص. وتفوق النموذج الكامل متعدد الفروع مع آلية التوجيه على التكوينات ذات الرسم البياني الواحد، مما أكد قيمة نمذجة العلاقات غير المتجانسة.
• نتائج القابلية للتفسير:
  • كانت قيم الميثيلة هي أهم سمات العقد.
  • كانت معلومات جزر CpG (مواقع البداية والنهاية، الطول) والتسلسلات المجاورة عوامل رئيسية أيضاً، مما يشير إلى نمط هرمي من الإشارة بالإضافة إلى السياق الهيكلي.
  • أهمية الرسم البياني: ساهم رسم الميثيلة المشتركة بشكل أكثر أهمية في التنبؤات، يليه الرسم البياني على مستوى الجين ثم رسم نفس الكروموسوم.

الأهمية والادعاءات
يزعم البحث أن النمذجة الصريحة للهياكل متعددة العلاقات هي اتجاه فعال لتحسين نماذج ساعات الشيخوخة. ومن خلال تجاوز افتراض استقلالية السمات والدمج الثابت للرسوم البيانية، يلتقط RelAge-GNN الأنماط الهيكلية غير المتجانسة التي تعكس آليات الشيخوخة البيولوجية بشكل أفضل. إن قدرة النموذج على دمج العلاقات البيولوجية المختلفة بشكل تكيفي وتوفير تفسير دقيق تشير إلى إمكانية استخدامه في توصيف الأمراض وتقدم اتجاهات ذات مغزى بيولوجي لأبحاث الشيخوخ المستقبلية. ويشير المؤلفون إلى أنه بينما يعد إطار العمل الحالي قوياً في أنسجة الدم، فإن توسيع نطاقه ليشمل إعدادات الأنسجة المتعددة ودمج تفاعلات بيولوجية أكثر دقة يظل توجهاً مستقبلياً.