CellAwareGNN: Single-Cell Enhanced Knowledge Graph Foundation Model for Drug Indication Prediction

Die Studie stellt CellAwareGNN vor, ein Graph-Foundation-Modell, das durch die Integration zellspezifischer genomischer Daten in den erweiterten Wissensgraphen scPrimeKG die Vorhersagegenauigkeit und biologische Interpretierbarkeit bei der Identifizierung neuer Arzneimittelindikationen, insbesondere für Autoimmunerkrankungen, signifikant verbessert.

Das Wesentliche

Stellen Sie sich vor, Sie sind ein Detektiv, der versuchen muss, alte Schlüssel (bereits existierende Medikamente) für neue, verschlossene Türen (Krankheiten) zu finden. Das nennt man „Drug Repurposing" oder die Wiederverwendung von Medikamenten.

Bisher haben Detektive eine riesige Landkarte benutzt, um diese Schlüssel zu finden. Diese Landkarte ist ein Wissensnetzwerk (ein sogenannter „Knowledge Graph"), das zeigt, wie Gene, Krankheiten und Medikamente miteinander verbunden sind. Ein berühmtes Beispiel für so eine Landkarte ist „PrimeKG".

Aber hier liegt das Problem: Die alte Landkarte war zu grob.

Das Problem: Die „Durchschnitts-Mensch"-Landkarte

Stellen Sie sich vor, Ihre alte Landkarte zeigt nur an, dass ein Schlüssel in einem Schloss funktioniert. Sie zeigt aber nicht, in welchem Raum des Hauses dieser Schlüssel funktioniert.

• Bei Autoimmunerkrankungen (wie Rheuma oder Schuppenflechte) ist das entscheidend. Diese Krankheiten werden oft nur von bestimmten Zellen im Körper ausgelöst – zum Beispiel nur von bestimmten weißen Blutkörperchen (T-Zellen oder B-Zellen).
• Die alte Landkarte wusste nicht, dass ein Medikament vielleicht nur in den B-Zellen wirkt, aber in den T-Zellen nichts bringt. Sie behandelte den Körper wie einen großen, undifferenzierten Haufen. Deshalb verpassten die Computer viele gute Ideen, weil ihnen die feinen Details fehlten.

Die Lösung: CellAwareGNN – Die „Super-Lupe"

Die Forscher haben nun eine neue, viel detailliertere Landkarte gebaut, die sie scPrimeKG nennen.

Die Analogie:
Stellen Sie sich vor, die alte Landkarte war wie ein Satellitenbild der Erde. Man sieht Kontinente und Ozeane (große Krankheiten und Gene), aber keine einzelnen Häuser oder Straßen.
Die neue Landkarte von CellAwareGNN ist wie ein Luftbild mit einer Lupe. Sie sieht nicht nur die Stadt, sondern zeigt genau, in welchem Haus (welcher Zellart) welche Aktivität stattfindet.

Wie haben sie das gemacht?
Sie haben Daten aus einer riesigen Studie namens OneK1K integriert. Diese Studie hat das Erbgut von über einer Million einzelnen Zellen gescreent. Das ist, als hätten sie nicht nur die Stadt vermessen, sondern jeden einzelnen Bewohner gefragt: „Was machst du gerade?"

Was hat das gebracht?

Mit dieser neuen, „zell-sensiblen" Landkarte haben sie ein neues KI-Modell namens CellAwareGNN trainiert. Das Ergebnis ist beeindruckend:

1. Bessere Vorhersagen: Das Modell findet einfach bessere Schlüssel für die Türen. Es ist genauer als alle vorherigen Modelle.
2. Besonders gut bei Autoimmunerkrankungen: Da diese Krankheiten stark von bestimmten Zellen abhängen, profitiert das Modell hier am meisten. Es kann nun sagen: „Dieses Medikament wirkt super gegen Rheuma, weil es genau auf die Zellen abzielt, die das Problem verursachen."
3. Neue Entdeckungen: Das Modell hat bereits konkrete Vorschläge gemacht, die biologisch Sinn ergeben:
   • Es schlägt vor, ein Medikament namens Ocrelizumab (normalerweise für Multiple Sklerose) auch für Pemphigus (eine Hauterkrankung) zu nutzen, weil es genau die falschen B-Zellen angreift, die die Krankheit verursachen.
   • Es schlägt vor, Rosiglitazone (ein Diabetes-Medikament) bei Rheuma zu testen, weil es Entzündungen in den Zellen beruhigt.

Warum ist das wichtig?

Früher mussten Forscher oft raten oder Jahre warten, bis klinische Studien neue Anwendungen für alte Medikamente fanden.
Mit CellAwareGNN haben wir jetzt einen intelligenten Assistenten, der die feinen Unterschiede im Körper versteht. Er weiß: „Hey, dieses Medikament passt nur, wenn wir es in diese spezielle Zelle bringen."

Zusammengefasst:
Die Forscher haben die alte, grobe Landkarte der Medizin mit einer hochauflösenden Lupe für einzelne Zellen kombiniert. Das Ergebnis ist ein smarterer Computer, der schneller und genauer herausfindet, welche alten Medikamente gegen welche neuen Krankheiten helfen können – besonders bei komplexen Erkrankungen des Immunsystems. Es ist ein großer Schritt hin zu einer personalisierteren und effizienteren Medizin.

Technische Zusammenfassung

1. Problemstellung

Die computergestützte Wirkstoffwiederverwendung (Drug Repurposing) nutzt zunehmend biomedizinische Wissensgraphen (Knowledge Graphs, KGs) und Graph Neural Networks (GNNs), um neue Indikationen für bestehende Medikamente vorherzusagen. Ein herausragendes Beispiel ist das Modell TxGNN, das auf dem umfassenden Graphen PrimeKG trainiert wurde.

Trotz der Erfolge von TxGNN bestehen jedoch zwei wesentliche Limitationen:

1. Fehlende zelltypspezifische Auflösung: Bestehende biomedizinische KGs integrieren selten genomische Daten auf Einzelzell-Ebene. Viele Krankheitsmechanismen, insbesondere bei komplexen immunologischen Störungen wie Autoimmunerkrankungen, werden durch dysregulierte zelluläre Programme in spezifischen Zelltypen (z. B. T-Zellen oder B-Zellen) angetrieben. Herkömmliche KGs mitteln diese Effekte über Gewebe hinweg, wodurch wichtige kausale Zusammenhänge zwischen Genen, Zelltypen und Krankheiten verloren gehen.
2. Unzureichende Evaluierung: Bisherige Studien evaluieren Modelle oft anhand zufällig ausgewählter Teilmengen von Krankheiten. Dies führt zu einer Verzerrung zugunsten gut erforschter Krankheiten und lässt seltene oder weniger charakterisierte Krankheiten unberücksichtigt, was die Generalisierbarkeit der Modelle über das gesamte Krankheitsspektrum hinweg infrage stellt.

2. Methodik

Die Autoren schlagen einen dreistufigen Ansatz vor, um diese Lücken zu schließen:

A. Erweiterung und Aktualisierung des Wissensgraphen

• PrimeKG-U: Zuerst wurde der ursprüngliche PrimeKG-Graph aktualisiert, indem alle 20 zugrunde liegenden Datenquellen (z. B. DrugBank, DisGeNET, MONDO) auf ihre neuesten Versionen (Stand November 2025) aktualisiert wurden. Dies führte zu einer signifikanten Erweiterung des Graphen (von ca. 8,1 Mio. auf 14,47 Mio. Kanten).
• scPrimeKG (Single-Cell Enhanced KG): Der Kern der Innovation ist die Integration von Einzelzell-Daten. Die Autoren fügten Daten aus dem OneK1K-Kohorten-Datensatz hinzu, der hochauflösende Einzelzell-RNA-Sequenzierungsdaten von 1,27 Millionen peripheren mononukleären Blutzellen (PBMCs) von 982 Spendern enthält.
  • Es wurden 22 Zelltypen-Knoten (z. B. CD4+ T-Zellen, NK-Zellen) eingeführt.
  • Es wurden 54.670 neue Kanten hinzugefügt, die cis-eQTLs (expression quantitative trait loci) repräsentieren, also genetische Varianten, die die Genexpression in spezifischen Zelltypen regulieren.
  • Das Ergebnis ist scPrimeKG mit über 14,5 Millionen Kanten und 140.000 Knoten.

B. Modellarchitektur: CellAwareGNN

Das Modell basiert auf einer zweistufigen Trainingsstrategie unter Verwendung eines heterogenen relationalen Graph Convolutional Networks (R-GCN) mit zwei Schichten als Encoder und einem DistMult-Decoder.

1. Pre-Training: Das Modell wird auf allen Kantenarten in scPrimeKG vortrainiert, um eine allgemeine graphische Repräsentation zu lernen.
2. Fine-Tuning: Das Modell wird spezifisch auf die Vorhersage von Wirkstoff-Krankheits-Beziehungen (Indikationen, Kontraindikationen, Off-Label-Use) feinabgestimmt. Dabei werden Kontraindikationen und Off-Label-Nutzung als zusätzliche Signale genutzt, um die Lernkurve für die Wirkstoff-Krankheits-Assoziationen zu verbessern, obwohl die finale Evaluation nur auf Indikationen fokussiert ist.

C. Evaluierungsstrategie

Um die Generalisierbarkeit zu testen, wurde eine krankheitsspezifische Aufteilung (Disease-Representation Aware Splitting) eingeführt:

• Für jede Krankheit im Testset (mindestens eine bekannte Kante) werden 30 % der Kanten zurückgehalten.
• Dies stellt sicher, dass jede Krankheit, auch seltene, im Testset vertreten ist, im Gegensatz zu zufälligen Kanten-Auswahlen, die oft nur häufige Krankheiten abdecken.
• Die Evaluierung erfolgte auf dem gesamten Testset und einem spezifischen Subset von Autoimmunerkrankungen.

3. Wichtige Beiträge

1. scPrimeKG: Erstellung eines neuartigen, zelltypbewussten biomedizinischen Wissensgraphen, der klinische Daten mit hochauflösenden Einzelzell-eQTL-Daten (OneK1K) kombiniert.
2. CellAwareGNN: Entwicklung eines Graph-Grundmodells, das diese zelltypspezifischen regulatorischen Zusammenhänge nutzt, um die Vorhersagegenauigkeit für Wirkstoffindikationen zu steigern.
3. Robuste Evaluierung: Einführung einer strengen Evaluierungsmethode, die das gesamte Krankheitsspektrum abdeckt und nicht nur gut erforschte Krankheiten priorisiert.
4. Biologische Interpretierbarkeit: Demonstration, dass die Integration von Einzelzell-Daten nicht nur die Metriken verbessert, sondern auch biologisch plausible und klinisch relevante Hypothesen für die Wirkstoffwiederverwendung liefert.

4. Ergebnisse

Die Leistung von CellAwareGNN wurde mit dem ursprünglichen TxGNN und dem aktualisierten TxGNN-U verglichen:

• Gesamtleistung: CellAwareGNN erreichte einen AUPRC (Area Under the Precision-Recall Curve) von 0,826.
  • Dies ist eine Verbesserung von 1,2 % gegenüber TxGNN-U (0,816) und 3,4 % gegenüber TxGNN (0,799).
  • Auch bei Recall@5, Recall@10 und Mean Reciprocal Rank (MRR) wurden konsistente Verbesserungen erzielt.
• Autoimmunerkrankungen: Der Vorteil war bei Autoimmunerkrankungen noch ausgeprägter.
  • CellAwareGNN erreichte einen AUPRC von 0,864.
  • Dies entspricht einer Steigerung von 2,0 % gegenüber TxGNN-U und 6,0 % gegenüber TxGNN.
• Qualitative Validierung: Das Modell identifizierte erfolgreich bekannte Standardtherapien höher im Ranking und schlug neue, biologisch fundierte Kandidaten vor:
  • Pemphigus: Ocrelizumab (Target: CD20 auf B-Zellen) und Methotrexat (Target: DHFR/ATIC in T- und B-Zellen) wurden als vielversprechende Kandidaten identifiziert, unterstützt durch die zelltypspezifischen Daten.
  • Rheumatoide Arthritis: Rosiglitazone (PPAR-γ Aktivierung) wurde als neuer Kandidat vorgeschlagen.
  • Die Modellvorhersagen korrelierten stark mit klinischen Leitlinien, z. B. bei der Priorisierung von Methylprednisolon bei Multipler Sklerose und Rheumatoider Arthritis.

5. Bedeutung und Fazit

Das Paper demonstriert, dass die Integration von Einzelzell-Genomik in Wissensgraphen einen signifikanten Fortschritt für die computergestützte Wirkstoffwiederverwendung darstellt.

• Biologische Präzision: Durch die Berücksichtigung zelltypspezifischer Genregulation kann das Modell Krankheitsmechanismen genauer abbilden, was besonders für heterogene Erkrankungen wie Autoimmunerkrankungen entscheidend ist.
• Interpretierbarkeit: Die Vorhersagen sind biologisch nachvollziehbar, da sie auf spezifischen Zellpopulationen und deren Genexpressionsprofilen basieren.
• Zukunftsausblick: Die Arbeit legt den Grundstein für zukünftige Modelle, die Gewebe-Kontexte und Zell-Zell-Interaktionen noch tiefer integrieren, um die Genauigkeit und den translationalen Nutzen von KI-gestützten Entdeckungen in der Medizin zu erhöhen.

Zusammenfassend zeigt CellAwareGNN, dass die Kombination aus großen Wissensgraphen und hochauflösenden Einzelzell-Daten die Grenzen aktueller KI-Modelle in der Biomedizin überwinden kann.