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

技术摘要：FibrilNet 绘制系统性淀粉样变性中保守且具有组织特异性的分子环境

问题陈述
系统性淀粉样变性是蛋白质错误折叠疾病，其特征是不可溶性纤维状沉积物的积累。虽然不同的淀粉样前体蛋白引发了这些疾病（例如，ATTR 中的转甲硫纷蛋白 TTR、AL 中的免疫球蛋白轻链、AA 中的人血清淀粉样蛋白 A），但由此产生的组织病理学通常共享重复出现的非纤维成分，这些成分涉及细胞外基质组织、补体激活、脂质转运和蛋白质稳态。一个关键的未解之谜是：这些重复出现的蛋白质是否在不同淀粉样疾病中形成了一个保守的、系统层面的分子环境，以及这种环境在多大程度上取决于特定的前体蛋白、组织背景或疾病变体。传统的网络方法通常将蛋白质-蛋白质相互作用（PPI）视为功能上可互换的，忽略了可能使同一物理图中相互作用产生差异的生物学背景。

方法论
作者开发了 FibrilNet，这是一个旨在整合实验定义的淀粉样蛋白组与富含基于基因本体（GO）语义信息的人类 PPI 图的网络框架。

• 数据构建： 底层人类图包含 17,997 种蛋白质和 925,977 个物理相互作用。每个相互作用都通过源自 GO 注释（生物过程、分子功能和细胞组分）的 9 维语义向量进行增强，该向量编码了基于信息含量的节点相似性、路径相似性和注释可用性的信息。
• 算法方法： FibrilNet 对比了两种扩散策略：
  1. 仅基于拓扑结构的随机游走重启（RWR）： 基于纯粹图连通性的标准传播。
  2. 语义-RWR（Semantic-RWR）： 一种改进的传播方式，其转移概率向具有更高语义兼容性（本体对齐）的相互作用倾斜。
• 评估策略： 研究采用了“冻结”留一法模块重建方法。由实验蛋白质组学衍生的疾病相关蛋白质模块被用作查询集。每次移除一个蛋白质，算法尝试重新排列剩余的图节点以恢复被扣除的目标。至关重要的是，疾病标签并未用于重新训练底层表示；评估测试了网络结构和语义背景恢复已知疾病模块的能力。
• 分析的疾病模型：
  • 心脏： 用于 ATTR 和 AL 的扩展型和紧凑型淀粉样特定蛋白质组。
  • 肾脏： AA 和 ALECT2 淀粉样变性的蛋白质组图谱。
  • 神经系统： 将小鼠 hTTR-A97S 腓肠神经模型映射到人类同源物，以代表神经系统 ATTRv。

核心贡献与结果

1. 语义扩散的优越性：
   语义-RWR 在重建实验定义的淀粉样模块方面始终优于仅基于拓扑结构的 RWR。

   • 在扩展型心脏 ATTR 中，语义-RWR 将平均倒数排名（MRR）从 0.00167 提高到 0.05015，将 Recall@100 从 0.0199 提高到 0.3377，改善了 151 个被扣除目标中的 132 个。
   • 在肾脏 AA（MRR 从 0.00249 升至 0.09061）和 ALECT2（MRR 从 0.00239 升至 0.01614）中也观察到了显著增益。
   • 该效应在不同模块大小和敏感性层级中均表现稳健，表明淀粉样环境拥有一种分布式的、功能相干的组织形式，而仅靠拓扑结构无法捕捉到这一点。

2. 识别受限的重复核心：
   对四种系统性淀粉样变性的紧凑模块进行分析，揭示了有限但显著的重叠。

   • 三种蛋白质——APCS、VTN 和 TIMP3——存在于所有四个模块中（特征富集核心频率 = 1），定义了一个严格的跨疾病核心。
   • APOE 存在于四种模块中的三种。
   • 这些蛋白质代表了跨疾病的收敛点，而非普遍的因果驱动因素。

3. 组织特异性与前体分离：

   • 心脏 vs. 神经系统： 尽管两者共享 TTR 作为前体，但心脏和神经系统 ATTR 模块之间的重叠极小（Jaccard 相似度 = 0.0569；仅 19 个共享蛋白质）。
   • 前体局限性： 仅以前体蛋白（TTR 或 LECT2）为种子启动网络，无法在心脏或神经系统中强烈恢复更广泛的下游分子环境。这表明成熟的淀粉样环境是一个分布式的网络状态，不能简化为围绕纤维形成蛋白的局部图邻域。
   • 方向特异性： 在神经系统 ATTRv 模型中，语义改进集中在下调的蛋白质组程序（与细胞骨架异常和轴突功能障碍相关），而上调的蛋白质显示出较少的语义相干性。

意义与主张
本文声称 FibrilNet 支持一种多层模型的系统性淀粉样变性。在该模型中：

• 一个受限的保守淀粉样环境（核心）与强烈的前体、组织和疾病特异性组织并存。
• 下游分子环境是一个分布式的网络状态，它从前体与特定组织背景的相互作用中涌现，而非仅仅是前体的简单局部图邻域。
• 源自本体的语义信息提供了一种具有生物学意义的归纳偏置，允许网络传播区分功能兼容与不兼容的相互作用，从而揭示淀粉样沉积的“分布式分子环境”。

作者强调，他们的发现并非挑战前体蛋白的因果作用，而是阐明了病理环境是一个复杂的、组织依赖性的系统状态。该框架提供了一种分析系统性淀粉样变性的可重复方法，并建议未来的分析应考虑变体和组织特异性的分子数据集，以充分解析这些疾病的异质性。