🧬 biology

RECIPE bridges transcriptomics and proteomics with deep graph learning on Ribo-seq data

Het artikel introduceert RECIPE, een graph neural network-framework dat Ribo-seq of transcriptomische data integreert met eiwit-eiwitinteractienetwerken om accuraat proteoombrede eiwitabundanties te voorspellen, waarmee de beperkingen van incomplete proteomics-metingen in zowel bulk- als single-cell settings effectief worden overwonnen.

Oorspronkelijke auteurs: Jun Ding, Luying Su, Bowen Zhao, Kailu Song, Dingfeng Zou, Jingtao Wang, Ziyang Wang, Wei Liu, Xiuhui Yang, Qinghui Duan, Qi Geng, Rong Huang, Heyun Guo, Yan Lu, Kai Li, David Eidelman, Wei Song

Gepubliceerd 2026-08-06

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Jun Ding, Luying Su, Bowen Zhao, Kailu Song, Dingfeng Zou, Jingtao Wang, Ziyang Wang, Wei Liu, Xiuhui Yang, Qinghui Duan, Qi Geng, Rong Huang, Heyun Guo, Yan Lu, Kai Li, David Eidelman, Wei Song

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

Stel je voor dat je lichaam een bruisende, hoogtechnologische stad is. In deze stad worden de blauwdrukken voor elk gebouw bewaard in een centrale bibliotheek genaamd het DNA. Maar blauwdrukken alleen bouwen nog niets; ze moeten worden gekopieerd en naar de bouwplaatsen worden gestuurd. Deze kopieën worden RNA genoemd, en ze fungeren als de instructies van de voormannen. Ten slotte worden de eigenlijke gebouwen — eiwitten — gebouwd op basis van die instructies. Eiwitten zijn de echte werkers: ze bouwen spieren, bestrijden infecties en houden je cellen draaiende.

Lange tijd hadden wetenschappers moeite met het tellen van de werkers. Ze konden de blauwdrukken (DNA) en de instructies van de voormannen (RNA) gemakkelijk lezen, maar het tellen van de eigenlijke gebouwen (eiwitten) was alsof je probeerde elke individuele baksteen in een stad te tellen terwijl deze nog werd gebouwd. De instrumenten waren traag, duur en misten vaak een enorm deel van de beroepsbevolking, vooral in kleine, enkelvoudige celbuurten. Dit liet een gat achter: we wisten wat de instructies zeiden, maar we wisten niet precies wat er daadwerkelijk werd gebouwd. De grote vraag was: konden we de instructies van de voormannen gebruiken om het aantal gebouwen te voorspellen, zelfs als we de gebouwen zelf niet konden zien?

Maak kennis met RECIPE, een nieuwe digitale tool die door een team van wetenschappers is ontwikkeld en fungeert als een super slimme detective voor deze stad. De onderzoekers realiseerden zich dat hoewel we de voltooide gebouwen niet altijd kunnen zien, we wel de bouwploegen in actie kunnen zien. Ze gebruikten een techniek genaamd Ribo-seq, wat lijkt op het maken van een hogesnelheidsfoto van de bouwplaatsen om precies te zien waar de werkers pauzeren en hoe snel ze bouwen. Maar alleen kijken naar de bouwsnelheid is niet genoeg, want soms wordt een gebouw afgebroken of aangepast nadat het is gebouwd.

Om dit op te lossen, gebruikt RECIPE een "graph neural network", wat een chique manier is om te zeggen dat het in kaart brengt hoe alle eiwitten elkaar kennen. Denk aan een sociaal netwerk voor eiwitten. Als je weet dat Eiwit A beste vrienden is met Eiwit B, en je weet hoeveel Eiwit B's er worden gemaakt, kun je een zeer goede schatting maken van hoeveel Eiwit A's er zouden moeten zijn, zelfs als je Eiwit A niet direct kunt zien. RECIPE combineert de foto's van de bouwsnelheid (Ribo-seq) met deze sociale netwerkkaart om de totale populatie eiwitten in de cel te voorspellen.

Het team testte deze tool op menselijke en muizencellen, waarbij ze specifiek keken naar wat er gebeurt wanneer ze een essentieel onderdeel van de bouwmachine verstoren. Ze ontdekten dat RECIPE ongelooflijk nauwkeurig was. Het voorspelde niet alleen de eiwitten die makkelijk te zien waren; het voorspelde succesvol de overvloed van eiwitten die volledig onzichtbaar waren voor traditionele meetinstrumenten. Sterker nog, toen ze de voorspellingen van RECIPE vergeleken met de werkelijke eiwitcounts, kwamen de getallen overeen met een correlatie van 0,9682 in menselijke cellen en 0,9657 in muizencellen. Dat is een zeer sterke overeenkomst, wat suggereert dat de tool het goed doet.

Misschien nog indrukwekkender is dat de tool werkte in "single-cell" modus. Meestal is het kijken naar slechts één cel alsof je het weer probeert te voorspellen door naar een enkele regendruppel te kijken — het is te klein en te chaotisch. Maar RECIPE slaagde erin om eiwitniveaus in individuele cellen te voorspellen door eerst te leren van de "bulk" (grote groepen) cellen en vervolgens in te zoomen. Het werkte zelfs wanneer ze alleen de kopieën van de blauwdrukken (RNA) hadden en geen bouwfoto's (Ribo-seq), hoewel het in die modus iets minder nauwkeurig was.

De onderzoekers ontdekten ook iets fascinerends over de eiwitten die het moeilijkst te voorspellen waren. Dit waren geen willekeurige fouten; het waren specifieke soorten eiwitten, vaak betrokken bij het bouwen van het skelet van de cel of het assembleren van complexe machines. De tool had er moeite mee omdat hun uiteindelijke aantallen worden bepaald door regels na de constructie (zoals hoe lang ze meegaan of hoe ze worden geassembleerd), en niet alleen door hoe snel ze worden gebouwd. Door deze "moeilijk te voorspellen" eiwitten te identificeren, helpt RECIPE wetenschappers feitelijk om de eiwitten te vinden die door deze verborgen, post-constructie regels worden gereguleerd.

Kortom, RECIPE overbrugt de kloof tussen de instructies en het eindproduct. Het suggereert dat door constructiesnelheid-data te combineren met een kaart van hoe eiwitten interageren, we een compleet beeld kunnen krijgen van de beroepsbevolking van de cel, zelfs voor de werkers die we niet direct kunnen zien. Dit betekent niet dat we volledig moeten stoppen met het meten van eiwitten, maar het biedt een krachtige nieuwe manier om de gaten op te vullen, vooral in situaties waarin directe meting onmogelijk of te moeilijk is. De auteurs laten zien dat deze aanpak goed werkt in verschillende soorten en omstandigheden, en daarmee een completer beeld geeft van hoe onze cellen functioneren dan we voorheen hadden.

Technische Samenvatting: RECIPE

Probleemstelling

Directe kwantificering van de abundantie van eiwitten blijft technisch uitdagend, met name in situaties met een lage input en op single-cell niveau, waar huidige proteomica-technologieën slechts een schaars deel van het proteoom vastleggen. Deze onvolledigheid beperkt het vermogen om eiwitniveau-regulatie te karakteriseren en cellulaire heterogeniteit op te lossen. Hoewel Ribosome profiling (Ribo-seq) een genoombrede afgeleide biedt van translatie die nabij de eiwitproductie ligt, blijft het omzetten van deze signalen naar nauwkeurige schattingen van de eiwitabundantie — vooral voor eiwitten die geen directe proteomische metingen missen — een onopgeloste uitdaging. Bestaande benaderingen zijn grotendeels beperkt tot "closed-set" regimes, waarbij inferentie beperkt is tot eiwitten die tijdens de training zijn waargenomen, wat de voorspelling van niet-gemeten of conditiespecifieke targets verhindert. Bovraand falen RNA-gebaseerde modellen vaak door transcript-eiwit discordantie veroorzaakt door translationale en post-translationale regulatie.

Methodologie: Het RECIPE-framework

De auteurs introduceren RECIPE (Ribo-seq Expression & Connectivity Integration for Proteome Estimation), een graph neural network (GNN) framework dat ontworpen is om transcriptomics/translatomics en proteomics te overbruggen. Het framework opereert onder incomplete proteomische supervisie, waardoor proteoombrede voorspelling mogelijk wordt voorbij de direct gemeten eiwitten.

Kernarchitectuur

RECIPE integreert drie primaire componenten:

Feature Extractie (FE):
- Sequence Embeddings: Transcript-sequenties worden gecodeerd met behulp van DNABERT (k-mer=3), wat fragment-niveau representaties genereert die worden geconcateneerd tot transcript-niveau embeddings.
- Translationele Abundantie: Ribo-seq read counts worden genormaliseerd en log-getransformeerd om translatieniveaus te kwantificeren.
- Ribosome Pausing: Een pausing score wordt berekend op basis van codon-specifieke ribosome footprint dichtheid om elongatie-dynamiek te vangen.
- Noot: Bij afwezigheid van Ribo-seq kan het framework opereren in een RNA-seq-only modus door translationele abundantie te vervangen door transcript-abundantie en pausing features weg te laten, zij het met verminderde getrouwheid.
Bulk Module ( $F_B$ ):
- Het model maakt gebruik van een GraphSAGE architectuur op een Protein-Protein Interaction (PPI) netwerk.
- Nodes representeren eiwit-coderende transcripten, en edges representeren gecureerde PPI's.
- Node features (sequentie, abundantie, pausing) worden geprojecteerd in een latente ruimte en geaggregeerd via mean aggregation om context-bewuste representaties te leren.
- Een regressie-head voorspelt de eiwitabundantie. Het model wordt getraind op een subset van eiwitten met beschikbare proteomische labels, waardoor het kan generaliseren naar ongemeten eiwitten via de PPI-graafstructuur.
PPI Refinement Module ( $F_{PPI}$ ):
- Een zelfgesuperviseerde edge classifier ( $C_{PPI}$ ) evalueert de waarschijnlijkheid van interacties op basis van geleerde eiwit-embeddings.
- Deze module verfijnt het voorafgaande PPI-netwerk door waarschijnlijke spurious edges te verwijderen en hoog-betrouwbare ontbrekende links toe te voegen, wat een dataset-specifieke interactiegraaf genereert die context-bewuste relaties vastlegt.
Single-Cell Module ( $F_{SC}$ ):
- Single-Modality Setting: Wanneer single-cell eiwitmetingen niet beschikbaar zijn, ondergaat het model een "pseudo-bulk alignment". Single-cell profielen worden geaggregeerd om overeen te komen met bulk proteomics voor training, gevolgd door cell-level graph learning met een Cell-GraphSAGE op een cell-cell KNN graaf.
- Paired Multi-Omics Setting: Wanneer single-cell eiwitdata beschikbaar is voor een subset van observaties, wordt het model bijgesteld (fine-tuned) met behulp van deze directe metingen om cel-opgeloste voorspellingen te verbeteren.

Belangrijkste Bijdragen

Open-Set Proteome Inferentie: RECIPE introduceert een paradigmaverschuiving van closed-set voorspelling naar open-set inferentie. Door gebruik te maken van translatie-opgeloste signalen en PPI topologie, voorspelt het de abundantie van eiwitten die volledig afwezig waren van de training proteomische labels.
Context-Bewuste PPI Refinement: Het framework behandelt PPI-netwerken niet als statische priors, maar verfijnt ze op basis van geleerde representaties, wat resulteert in dataset-specifieke interactiekaarten die conditie-afhankelijke regulatoire structuren vastleggen.
Verenigd Single-Cell Framework: RECIPE biedt een verenigde aanpak voor single-cell eiwit-inferentie, in staat om te opereren met single-cell Ribo-seq, single-cell RNA-seq (als fallback), of paired multi-omics data.
Identificatie van Translatie-Eiwit Ontkoppeling: Het model identificeert systematisch een subset van "moeilijk te voorspellen" eiwitten waarbij de abundantie ontkoppeld is van ribosome occupancy, wat wijst op post-translationale regulatiemechanismen.

Resultaten

Het framework werd gevalideerd over gematchte menselijke (HEK293T) en muis (C18) datasets, inclusclusief DDX20 knockdown experimenten en nutriëntentekort studies.

Bulk Voorspellingsnauwkeurigheid: RECIPE bereikte een hoge correlatie tussen voorspelde en werkelijke eiwitabundantie (Pearson $r \approx 0.96$ in HEK293T en C18 cellen), wat significant beter presteert dan ruwe Ribo-seq signalen en de voorspellingsfout vermindert vergeleken met baseline methoden (XGBoost, Random Forest, SVM, scTranslator, etc.).
Herstel van Ongemeten Eiwitten: Cruciaal is dat RECIPE de abundantie succesvol voorspelde voor eiwitten die tijdens de training gemaskeerd waren (simulatie van ongemeten eiwitten), waarbij een Pearson correlatie van $r \approx 0.80$ werd behaald in HEK293T cellen. Dit demonstreert echte extrapolatie in plaats van interpolatie.
Biologische Getrouwheid: Voorspellingen behielden downstream biologische signalen. Differential expression analyse toonde een sterke concordantie (RRHO) tussen werkelijke en voorspelde datasets. Gene Ontology (GO) enrichment analyse van voorspelde gedownreguleerde eiwitten herstelde dezelfde functionele categorieën (bijv. eiwitbinding, RNA-binding) als de werkelijke data.
Single-Cell Prestaties: In single-cell settings lost RECIPE cel-toestand structuren (bijv. celcyclusfasen) en conditie-specifieke variaties (bijv. arginine/leucine tekort) nauwkeuriger op dan ruwe single-cell Ribo-seq signalen. Het generaliseerde succesvol over datasets (bijv. SVEC naar C10 cellijnen) in paired multi-omics settings.
PPI Refinement: De verfijnde PPI-netwerken vertoonden een hogere functionele coherentie (gedeelde pathway annotaties) en sterkere co-expressie signalen vergeleken met verwijderde edges of willekeurige niet-interagerende paren, wat de biologische plausibiliteit van de geleerde interacties valideert.
Uitdagende Eiwitten: Het model identificeerde een reproduceerbare subset van eiwitten met hoge voorspellingsfouten. Deze eiwitten waren verrijkt voor cytoskelet en ribosoom functies, en vertoonden specifieke sequentiekenmerken (bijv. lagere GC3, hogere AT3), wat suggereert dat hun abundantie wordt beheerst door post-translationale regulatie (stabiliteit, complexassemblage) in plaats van enkel door de translatiesnelheid.

Betekenis en Claims

Het artikel claimt dat RECIPE een fundamentele beperking in de proteomica aanpakt: het onvermogen om volledige, conditie-opgeloste eiwitmetingen te verkrijgen. Door proteoombrede inferentie direct mogelijk te maken vanuit breed beschikbare transcriptomische en translatomische data, verschuift RECIPE de proteomica van een gedeeltelijk geobserveerde meetmodus naar een fundament voor uitgebreide inferentie.

De auteurs benadrukken dat het framework een schaalbare strategie biedt voor het analyseren van eiwitabundantie in data-arme regimes, met name in single-cell settings waar directe meting onhaalbaar is. Bovendien biedt het vermogen om eiwitten te identificeren waarbij translatie en abundantie ontkoppeld zijn een systematisch instappunt voor het bestuderen van post-translationale regulatie. De als bijproduct gegenereerde verfijnde PPI-netwerken bieden context-bewuste interactiekaarten die verdere netwerkreconstructie en pathway karakterisering kunnen faciliteren.

De studie concludeert dat RECIPE dient als een algemeen framework voor het voorspellen van de eiwitabundantie vanuit translatie-opgeloste (of transcriptomische) signalen, ondanks incomplete proteomische supervisie, waarmee de reikwijdte van proteoom-centrische analyse in zowel fundamenteel als translationeel onderzoek wordt vergroot.