Graph neural network explanations reveal a topological signature of disease-associated hubs in biological networks

ملخص تقني: تفسيرات الشبكات العصبية الرسومية تكشف عن بصمة طوبولوجية للمراكز المرتبطة بالأمراض

بيان المشكلة
تُستخدم الشبكات العصبية الرسومية (GNNs) بشكل متزايد لنمذجة الأنظمة البيولوجية من خلال دمج بيانات الأوميكس (مثل RNA-seq) مع هياكل الشبكات المسبقة مثل شبكات التفاعل بين البروتينات (PPI). ومع ذلك، لا تزال موثوقية طرق التفسير البعدي (post-hoc) في استعادة الآليات الجزيئية ذات المعنى من هذه النماذج "الصندوق الأسود" غير مؤكدة. ومن غير الواضح ما إذا كانت أدوات التفسير الحالية تستعيد هياكل صالحة بيولوجياً أم أنها تعكس مجرد تحيزات خاصة بالمنهجية، أو عيوباً في طوبولوجيا الرسم البياني، أو خصائص غريبة للنموذج. وتحديداً، هناك نقص في الفهم المنهجي حول كيفية تعامل خوارزميات التفسير المختلفة (Saliency Attribution، وIntegrated Gradients، وGNNExplainer، وLayer-wise Relevance Propagation) مع أشكال هندسية مختلفة للإشارات البيولوجية، مثل المحركات الضيقة (sparse drivers) مقابل المسارات الموزعة (distributed pathways).

المنهجية
استخدم المؤلفون استراتيجية تقييم مزدوجة تجمع بين الاختبارات المعيارية الاصطناعية والبيانات البيولوجية الواقعية.

1. الاختبارات المعيارية الاصطناعية: تم بناء أربعة نماذج هندسية متميزة للإشارات لمحاكاة تنظيم الإشارات البيولوجية:

   • الإبرة (Needle): عقدة حاسمة واحدة (إشارة ضيقة).
   • المركز (Hub): عقدة مركزية ذات تعبير مرتفع في جيرانها المباشرين (مسافة خطوة واحدة)، مما يحاكي عوامل النسخ.
   • المسار/الوحدة (Pathway/Module): شبكة فرعية من العقد المتفاعلة المنسقة.
   • الشلال (Cascade): سلسلة هرمية اتجاهية من التعبير المتزايد.
     تم تدريب بنية GNN قياسية (ثلاث طبقات من التلافيف الرسومية مع تجميع المتوسط العالمي) لتحقيق دقة مثالية في هذه المهام. وتم تقييم أربع طرق للتفسير: Saliency Attribution (SA)، وIntegrated Gradients (IG)، وGNNExplainer، وLayer-wise Relevance Propagation (LRP، وتحديداً قاعدة $\epsilon$). تم قياس الأداء باستخدام معدلات الإصابة لأعلى-k (top-k hit rates) وحصة كتلة الإسناد (attribution mass) المخصصة لعقد الإشارة الحقيقية.

2. التطبيق الواقعي (TCGA BRCA): طبق البحث هذه المفسرات على نموذج GNN تم تدريبه على 1,222 عينة من RNA-seq لسرطان الثدي من مشروع "أطلس سرطان الثدي في الولايات المتحدة" (TCGA)، والتي تم إسقاطها على شبكة STRING PPI. صنف النموذج الأنسجة السرطانية مقابل الأنسجة المجاورة الطبيعية بدقة متوازنة بلغت 89.7%.

   • تحليل المركز (Hub Analysis): حلل المؤلفون أنماط الإسناد حول أربعة جينات درع كلاسيكية لسرطان الثدي (TP53، وBRCA1، وESR1، وMYC) ومحيط الخطوة الواحدة الخاص بها.
   • التقييم الطوبولوجي: تم تطوير "درجة مركز قائمة على القشرة" (shell-based hub score) لتكميم نمط "عين الإعصار" (إسناد منخفض في المركز، ذروة عند الخطوة 1-2، ثم اضمحلال بعد ذلك).
   • إطار التوافق (Consensus Framework): تم تقديم نهج ترتيب توافقي يجمع بين رتب المئينات الموزونة لـ IG وSA وLRP. وتم تحسين هذا النهج لاحقاً عبر البحث الشبكي (grid search).
   • تضارب الدرجة (Degree Confounding): تم استخدام الانحدار الخطي وإزالة الأثر (residualization) لتحديد ما إذا كانت درجات المركز مدفوعة بدرجة العقدة أم بالإشارة البيولوجية.
   • إثراء المسارات: تم إجراء تحليل إثراء مسارات Reactome على أعلى 100 جين مصنف لكل طريقة.

النتائج الرئيسية

• استعادة الإشارة حسب المنهج:

  • التنبيه (SA): أدى أداءً أفضل في حالة إشارة "الإبرة" (العقدة الواحدة) لكنه واجه صعوبة مع الهياكل الموزعة. في البيانات الواقعية، أسندت SA درجات عالية لعقد المركز ولكنها أظهرت إسناداً منتشراً عبر الرسم البياني، مما أدى إلى أداء تصنيف عالمي عالٍ (AUC) ولكن بإثراء محلي أقل.
  • Integrated Gradients (IG) وLRP: تفوقا باستمرار على الطرق الأخرى في استعادة الإشارات الموزعة (المراكز، المسارات، الشلالات). في إعدادات "المركز" الاصطناعية، حقق IG وLRP استعادة شبه مثالية لهيكل الجوار الكامل. وفي البيانات الواقعية، أظهرا بصمة طوبولوجية متميزة: حيث كان الإسناد في حده الأدنى عند عقدة البذرة المركزية (0-hop)، وبلغ ذروته في الجوار المباشر (1-hop)، ثم انخفض بحدة عبر القشور اللاحقة (2–4 hops).
  • GNNExplainer: غالباً ما فشل في تحديد الإشارات للهياكل الطوبولوجية الصحيحة، حيث نشر الإسناد إلى عقد بعيدة وأظهر نسب إثراء ضعيفة للمراكز المرضية المعروفة.

• بصمة "عين الإعصار":
  في بيانات TCGA BRCA، كشفت طرق IG وLRP أن الإشارة المرتبطة بالمرض ليست مركزة عند مركز المركز، بل تكون غنية في الجوار المباشر. كان هذا النمط أكثر وضوحاً في IG، الذي أظهر نسب إثراء قوية (على سبيل المثال، ~11.2 لـ MYC) وتداخلاً عالياً مع المراكز المعروفة في أعلى 50 جيناً مصنفاً.

• التوافق والضبط:
  حسن نهج التوافق الذي يجمع بين IG وSA وLRP بشكل كبير من عملية تحديد أولويات جينات السرطان الكلاسيكية.

  • TP53: صُنّف في المرتبة 79 بواسطة IG وحده؛ وتحسن إلى المرتبة 5 (المئوية 100) بواسطة التوافق المضبوط.
  • BRCA1: صُنّف في المرتبة 900 بواسطة IG؛ وتحسن إلى المرتبة 72 (المئوية 99.4) بواسطة التوافق المضبوط.
    تفوق التوافق المضبط (الأوزان: IG=0.69، SA=0.31، LRP=0) على الطرق الفردية، حيث وازن بين حساسية الإثراء المحلي والتمييز العالمي.

• تضارب الدرجة:
  بينما أظهر IG اعتماداً متوسطاً على درجة العقدة ($R^2 \approx 0.196$)، فإن درجات التوافق قللت بشكل كبير من هذا التحيز ($R^2 \approx 0.023$). والأهم من ذلك، ظل تحديد أولويات جينات السرطان الكلاسيكية مستقراً حتى بعد إزالة أثر درجات المركز، مما يشير إلى أن الإشارة الملتقطة ليست مجرد نتاج اصطناعي لمركزية العقدة.

• التماسك البيولوجي:
  كشف تحليل إثراء المسارات أن الطرق الفردية غالباً ما تسلط الضوء على برامج عامة أو غير منطقية بيولوجياً (على سبيل المثال، سلط IG الضوء على عمليات الترجمة/الريبوسومات؛ بينما سلط SA الضوء على المسارات العصبية). في المقابل، استعاد نهج التوافق برامج سرطانية متماسكة بيولوجياً، بما في ذلك مسارات ERBB2، وRTK، وMAPK، وإشارات المناعة/السيتوكين، وهو ما يتوافق بشكل أفضل مع بيولوجيا سرطان الثدي.

الأهمية والادعاءات
يزعم البحث أن التفسيرات الرسومية في الأنظمة البيولوجية لا ينبغي تفسيرها كمخرجات طريقة واحدة، بل كإشارات مهيكلة تشكلها كل من طوبولوجيا الشبكة والتحيزات الخاصة بكل طريقة. يثبت المؤلفون ما يلي:

1. تستعيد أدوات التفسير المختلفة هندسات إشارة متميزة؛ حيث تعد IG وLRP متفوقتين في الإشارات الموزعة والشبيهة بالمسارات، بينما تعد SA أفضل في حالة المحركات الضيقة والعقدة الواحدة.
2. توجد بصمة طوبولوجية متسقة للمراكز المرتبطة بالمرض في البيانات الواقعية، تتميز بذروات الإسناد في الجوار المباشر بدلاً من العقدة المركزية.
3. يؤدي دمج عدة مفسرات عبر إطار توافق مدرك للطوبولوجيا إلى تحسين استعادة الآليات الجزيئية ذات الصلة بيولوجياً وتقليل الاعتماد على درجة العقدة.
4. يوفر هذا الإطار نهجاً عملياً لتوليد الفرضيات من نماذج الأوميكس القائمة على الرسوم البيانية، مع التأكيد على الحاجة إلى تحليلات حساسية النموذج والتحقق البيولوجي المستقل قبل استخلاص الاستنتاجات الميكانيكية.

يخلص البحث إلى أن التكامل المدرك للطوبولوجيا في التفسيرات الرسومية يعزز القابلية للتفسير البيولوجي واستعادة التوقيعات الجزيئية ذات الصلة بالمرض.