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

技術的サマリー：DNA メチル化に基づく生物学的年齢推定のための RelAge-GNN

問題定義
老化時計は、生物学的年齢をバイオマーカーから推定し、生理学的状態や疾患リスクを評価するもので、暦年齢とは区別される。DNA メチル化は、その安定性と老化との強い相関により、主要なバイオマーカーである。しかし、既存の AI ベースの老化時計手法には重大な限界がある。

1. 独立性の仮定: 多くの手法は CpG サイトを独立した特徴として扱い、共メチル化、ゲノム近接性、遺伝子レベルの関連性などの複雑で不均一な生物学的関係を無視している。
2. 硬直的なモデリング: グラフベースの手法も存在するが、単一のグラフに依存するか、異なる関係性のタイプを組み合わせる固定された戦略に頼ることが多い。これはサンプル間で異なる生物学的関係の寄与を区別できず、モデルの柔軟性を制限している。
3. 解釈可能性: 深層学習モデルは、特定の生物学的構造が予測にどのように寄与するかについて、明確な解釈可能性を欠くことが多い。

手法：RelAge-GNN
著者は、CpG サイト間の構造的依存関係を明示的にモデル化するように設計された、多関係グラフニューラルネットワークフレームワークであるRelAge-GNNを提案する。手法は以下の 3 つの中核的構成要素からなる。

1. 多関係グラフの構築:
   単一のグラフの代わりに、このフレームワークは特定のセマンティックな関係を保持する 3 つの補完的なグラフを構築する。

   • 共メチル化グラフ ($G_1$): 辺は CpG サイト間の連続的な相関値を表す（スパース性を確保するために閾値処理を施す）。
   • ゲノム共局在グラフ ($G_2$): 辺は同じ染色体上に位置する CpG サイト間のブーリアン接続を表す。
   • 遺伝子レベル関連グラフ ($G_3$): 辺は同じ遺伝子内に位置する CpG サイト間のブーリアン接続を表す。
     ノード特徴には、メチル化値、CpG アイランド属性（位置、長さ）、側配列情報、転写開始サイトまでの距離が含まれる。

2. PNAConv を用いた 3 枝エンコーダ:
   各グラフは、PNAConv（Principal Neighbourhood Aggregation）を用いた独立した GNN 枝によって処理される。PNAConv は、平均、最大、最小、標準偏差などの複数のアグリゲータとスケーラを採用することで、変化するノード次数分布を処理する能力が選択理由である。これにより、各枝は異種のエッジタイプを混同することなく、関係固有の構造的表現 ($H_1, H_2, H_3$) を学習できる。

3. 学習可能なゲーティング融合メカニズム:
   固定された結合戦略の問題に対処するため、モデルは学習可能なゲーティングネットワークを採用する。

   • 3 つの枝の出力は連結される ($H_{cat}$)。
   • ゲーティングネットワーク（MLP + Softmax）が、各ノードに対して適応的な重み ($\alpha_1, \alpha_2, \alpha_3$) を生成する。
   • 最終的な表現 ($H_f$) は、枝の出力の重み付き和である：$H_f = \sum \alpha_k \odot H_k$。
     これにより、モデルは特定のサンプルの文脈に基づいて、ノードレベルで各生物学的関係の寄与を動的に調整できる。

4. 予測と解釈可能性:
   融合された表現は、圧縮層と MLP 回帰ヘッドを経て年齢を予測する。解釈可能性のため、著者はGNNExplainerフレームワークを拡張し、以下の重要性を定量化する。

   • 個々の CpG ノード。
   • ノード属性（特徴）。
   • 3 つの異なるグラフ枝（関係構造）。

主な貢献

• 限界の特定: 本論文は、現在の手法が複雑な生物学的依存関係を捉えられず、関係の重要性のサンプル固有のバリエーションに適応できない硬直的な融合戦略を使用していることを強調している。
• 新規フレームワーク: RelAge-GNN は、共メチル化、同一染色体、同一遺伝子の関連を独立した枝を通じて明示的にモデル化する多関係アーキテクチャを導入する。
• 適応的融合: 学習可能なゲーティングメカニズムの導入により、関係重みの動的なノードレベル調整が可能となり、固定重みのベースラインよりも柔軟性が向上する。
• 強化された解釈可能性: このフレームワークは、特定の生物学的関係や CpG サイトの寄与を定量化するメカニズムを提供し、年齢予測の駆動因子に関する洞察を与える。

実験結果
このモデルは、血液組織から得られた 3,707 人の健常サンプルと 624 人の疾患サンプル（卵巣がん、統合失調症、骨粗鬆症）からなる大規模データセットで評価された。

• 予測性能: RelAge-GNN は、最先端のベースライン（Horvath, AltumAge, DeepMAge, GraphAge）と比較して競争力のある精度を達成した。ベースラインよりも高いフィッティング回帰係数（FRC = 0.962）と、低い平均絶対誤差（MAE = 3.43）および平均二乗誤差（MSE = 29.46）を示した。
• 年齢加速（AA）感度: このモデルは、多様な疾患コホートにおける年齢加速の検出において優れた感度を示した。例えば、閉経後卵巣がんにおいて、約 40% のサンプルで陽性の AA を同定し、GraphAge（<20%）や AltumAge（<10%）を大幅に上回った。
• アブレーション研究: 単一のグラフ枝を除去すると性能が低下し、特に共メチル化グラフ ($G_1$) と遺伝子レベルグラフ ($G_3$) が重要であった。ゲーティングを備えた完全なマルチブランチモデルは、単一グラフ構成よりも優れており、異種関係のモデル化の価値を確認した。
• 解釈可能性の知見:
  • メチル化値が最も重要なノード属性であった。
  • CpG アイランド情報（開始/終了位置、長さ）と側配列も主要な因子であり、シグナルと構造的コンテキストの階層的パターンを示唆している。
  • グラフの重要性: 共メチル化グラフが予測に最も大きく寄与し、次いで遺伝子レベルグラフと同一染色体グラフが続いた。

意義と主張
本論文は、多関係構造を明示的にモデル化することが、老化時計モデルを改善するための効果的な方向であると主張する。独立した特徴の仮定と固定されたグラフの組み合わせを超えて移動することで、RelAge-GNN は生物学的老化メカニズムをよりよく反映する不均一な構造的パターンを捉える。異なる生物学的関係を適応的に融合し、詳細な解釈可能性を提供するモデルの能力は、疾患の特性評価における潜在的有用性を示唆し、将来の老化研究にとって生物学的に意味のある方向性を提供する。著者は、現在のフレームワークが血液組織において堅牢である一方で、これを多組織設定に拡張し、より微細な生物学的相互作用を取り入れることが今後の方向性であると指摘している。