FibrilNet maps conserved and tissue-specific molecular environments across systemic amyloidoses

Technisches Resümee: FibrilNet kartiert konservierte und gewebespezifische molekulare Umgebungen bei systemischen Amyloidosen

Problemstellung
Systemische Amyloidosen sind Proteinfehlfaltungsstörungen, die durch die Akkumulation unlöslicher fibrillärer Ablagerungen gekennzeichnet sind. Während unterschiedliche amyloidogene Vorläuferproteine diese Krankheiten initiieren (z. B. Transthyretin bei ATTR, Immunglobulin-Leichtketten bei AL, Serum-Amyloid-A bei AA), teilen die resultierenden Gewebepatologien oft rezidivierende nicht-fibrilläre Komponenten, die an der Organisation der extrazellulären Matrix, der Komplementaktivierung, dem Lipidtransport und der Proteostase beteiligt sind. Eine kritische, bislang ungeklärte Frage ist, ob diese rezidivierenden Proteine eine konservierte, systemischer Ebene reichende molekulare Umgebung über verschiedene Amyloid-Erkrankungen hinweg bilden und inwieweit diese Umgebung vom spezifischen Vorläuferprotein, dem Gewebekontext oder der Krankheitsvariante abhängt. Traditionelle Netzwerkansätze behandeln Protein-Protein-Interaktionen (PPIs) oft als funktionell austauschbar und ignorieren dabei den biologischen Kontext, der Interaktionen innerhalb desselben physischen Graphen differenzieren kann.

Methodik
Die Autoren entwickelten FibrilNet, ein Netzwerk-Framework, das darauf ausgelegt ist, experimentell definierte Amyloid-Proteome mit einem durch Gene Ontology (GO)-basierte semantische Informationen angereicherten menschlichen PPI-Graphen zu integrieren.

• Datenkonstruktion: Der zugrunde liegende menschliche Graph umfasst 17.997 Proteine und 925.977 physische Interaktionen. Jede Interaktion wird durch einen 9-dimensionalen semantischen Vektor ergänzt, der aus GO-Annotationen (biologischer Prozess, molekulare Funktion und zelluläre Komponente) abgeleitet wurde und Informationen über inhaltsbasierte Knotensimilarität, Pfadähnlichkeit und Annotationsverfügbarkeit kodiert.
• Algorithmischer Ansatz: FibrilNet vergleicht zwei Diffusionsstrategien:
  1. Topologie-reiner Random Walk mit Restart (RWR): Standardmäßige Propagation basierend ausschließlich auf der graphenbasierten Konnektivität.
  2. Semantisches-RWR: Eine modifizierte Propagation, bei der die Übergangswahrscheinlichkeiten zugunsten von Interaktionen mit höherer semantischer Kompatibilität (Ontologie-Ausrichtung) verzerrt werden.
• Evaluationsstrategie: Die Studie verwendet einen „eingefrorenen“ Leave-one-out-Modul-Rekonstruktionsansatz. Krankheitsassoziierte Proteinmodule (abgeleitet aus experimenteller Proteomik) dienen als Abfragesätze. Dabei wird jeweils ein Protein aus dem Set entfernt, und der Algorithmus versucht, die verbleibenden Knoten des Graphen neu zu ranken, um das herausgehaltene Ziel zu rekonstruieren. Entscheidend ist, dass die Krankheitslabels nicht zur Umgestaltung der zugrunde liegenden Repräsentation verwendet werden; die Evaluation testet die Fähigkeit der Netzwerkstruktur und des semantischen Kontextes, bekannte Krankheitsmodule zu rekonstruieren.
• Analysierte Krankheitsmodelle:
  • Kardial: Erweiterte und kompakte Amyloid-spezifische Proteome für ATTR und AL.
  • Renal: Proteom-Atlanten für AA und ALECT2-Amyloidose.
  • Neurologisch: Ein murines hTTR-A97S-Sural-Nerv-Modell, das auf menschliche Orthologe abgebildet wurde, um neurologisches ATTRv zu repräsentieren.

Wesentliche Beiträge und Ergebnisse

1. Überlegenheit der semantischen Diffusion:
   Semantisches-RWR übertraf die topologie-reine RWR-Methode konsistent bei der Rekonstruktion experimentell definierter Amyloid-Module.

   • In erweiterten kardialen ATTR-Modulen steigerte Semantisches-RWR die mittlere reziproke Rangfolge (Mean Reciprocal Rank, MRR) von 0,00167 auf 0,05015 und den Recall@100 von 0,0199 auf 0,3377, was 132 von 151 herausgehaltenen Targets verbesserte.
   • Signifikante Gewinne wurden auch in renaler AA (MRR 0,00249 auf 0,09061) und ALECT2 (MRR 0,00239 auf 0,01614) beobachtet.
   • Der Effekt war über variierende Modulgrößen und Sensitivitätsstufen hinweg robust, was darauf hindeutet, dass die Amyloid-Umgebung eine verteilte, funktionell kohärente Organisation besitzt, die die reine Topologie nicht erfassen kann.

2. Identifizierung eines eingeschränkten rezidivierenden Kerns:
   Die Analyse kompakter Module über vier systemische Amyloidosen (ATTR, AL, AA, ALECT2) hinweg ergab eine begrenzte, aber signifikante Überlappung.

   • Drei Proteine – APCS, VTN und TIMP3 – waren in allen vier Modulen vorhanden (Feature-Enrichment Core Frequenz = 1) und definierten einen strengen krankheitsübergreifenden Kern.
   • APOE war in drei der vier Module vorhanden.
   • Diese Proteine repräsentieren Punkte der krankheitsübergreifenden Konvergenz und nicht zwangsläufig universelle kausale Treiber.

3. Gewebespezifität und Trennung der Vorläuferproteine:

   • Kardial vs. Neurologisch: Trotz des gemeinsamen TTR-Vorläufers zeigten die kardialen und neurologischen ATTR-Module minimale Überlappungen (Jaccard-Ähnlichkeit = 0,0569; nur 19 gemeinsame Proteine).
   • Limitationen der Vorläuferproteine: Das Seeding des Netzwerks mit dem Vorläuferprotein allein (TTR oder LECT2) schaffte es nicht, das breitere nachgeschaltete molekulare Umfeld in den kardialen oder neurologischen Kontexten stark zu rekonstruieren. Dies deutet darauf hin, dass die reife Amyloid-Umgebung ein verteilter Netzwerkzustand ist, der sich nicht auf die lokale Graph-Nähe um das Fibrillen bildende Protein reduzieren lässt.
   • Direktionale Spezifität: Im neurologischen ATTRv-Modell konzentrierten sich die semantischen Verbesserungen auf das downregulierte proteomische Programm (assoziiert mit zytoskelettalen Abnormalitäten und axonaler Dysfunktion), während die hochregulierten Proteine eine geringere semantische Kohärenz zeigten.

Bedeutung und Behauptungen
Das Paper behauptet, dass FibrilNet ein Mehrschichtenmodell der systemischen Amyloidose unterstützt. In diesem Modell:

• Eine eingeschränkte konservierte Amyloid-Umgebung (der Kern) koexistiert mit einer starken Vorläufer-, Gewebe- und Krankheitsspezifität.
• Die nachgeschaltete molekulare Umgebung ist ein verteilter Netzwerkzustand, der aus der Interaktion des Vorläufers mit dem spezifischen Gewebekontext entsteht, statt eine einfache lokale Nachbarschaft des Fibrillen-bildenden Proteins zu sein.
• Ontologie-basierte semantische Informationen liefern einen biologisch sinnvollen induktiven Bias, der es der Netzwerkpropagation ermöglicht, zwischen funktionell kompatiblen und inkompatiblen Interaktionen zu unterscheiden und somit die „verteilte molekulare Umgebung“ der Amyloid-Deposition offenzulegen.

Die Autoren betonen, dass ihre Ergebnisse nicht die kausale Rolle der Vorläuferproteine infrage stellen, sondern vielmehr klären, dass die pathologische Umgebung ein komplexes, gewebespezifisches System ist. Das Framework bietet eine reproduzierbare Methode zur Analyse systemischer Amyloidosen und legt nahe, dass zukünftige Analysen varianten- und gewebespezifische molekulare Datensätze berücksichtigen sollten, um die Heterogenität dieser Krankheiten vollständig aufzulösen.