在生命科學領域，隨著高通量技術的蓬勃發展，分子數據呈爆炸式增長。多組學（涵蓋 DNA、RNA、蛋白質和代謝物等分析）研究為探索生命奧秘打開了新大門，能幫助人們從多個層面理解復雜生物系統和疾病機制 。然而，多組學數據整合面臨重重挑戰。這些數據通常是高維且異質的，樣本量相對特征數量較小，還存在數據缺失等問題。傳統的無監督整合方法雖能發現一些分子機制和生物標志物，但無法針對特定疾病表型檢測相關信號或模式。在有監督的情況下，多組學數據整合方法相對較少，現有的基于樣本相似性結構的方法難以利用特征空間中的先驗信息。為了攻克這些難題，來自美國杰克遜實驗室基因組醫學中心（The Jackson Laboratory for Genomic Medicine）和杰克遜實驗室（The Jackson Laboratory）的研究人員開展了一項重要研究。他們提出了一種名為 GNNRAI（GNN-derived representation alignment and integration）的框架，用于多組學數據與生物先驗知識（以知識圖譜形式呈現）的有監督整合 。該研究成果發表在《npj Systems Biology and Applications》上，為阿爾茨海默�。ˋD）研究及精準醫療帶來了新的曙光。
研究人員采用了多種關鍵技術方法。首先，在數據處理方面，對來自宗教秩序研究 / 記憶衰老項目（ROSMAP）隊列的轉錄組和蛋白質組數據進行了預處理，包括數據的標準化、校正年齡、性別和死后間隔時間（PMI）等協變量。其次，利用從公開生物數據庫獲取的先驗知識構建了阿爾茨海默病生物域（biodomains，BDs）的知識圖譜，為后續分析提供拓撲結構。在模型構建上，運用圖神經網絡（GNN）進行特征提取，將高維組學數據轉化為低維嵌入，再通過特征對齊和集合變換器進行特征整合，構建了完整的多組學整合模型 。
下面來看看具體的研究結果：

• GNNRAI 用于多組學整合和生物標志物識別：開發的 GNNRAI 框架包含基于 GNN 的特征提取器模塊，能有效處理不完整的多組學數據，通過對特征間關系的建模減輕訓練樣本量負擔，并利用先驗通路知識提高識別功能特征的可能性 。
• 阿爾茨海默病患者分類數據集：在 ROSMAP 隊列中，研究人員整合轉錄組和蛋白質組數據對阿爾茨海默病進行二元分類。創建了 16 個數據集，每個數據集包含特定生物域內的基因和蛋白質測量值。經過數據處理，得到不同類型的樣本數據，并將樣本的組學數據編碼為圖結構 。
• GNNRAI 優于基準方法及單模態模型：與 MOGONET 方法相比，GNNRAI 在 16 個生物域中的 13 個表現更優，平均提高了 2.2% 的驗證準確率 。同時，整合兩種模態的 GNNRAI 模型比單模態模型表現更好，說明該框架能有效整合轉錄組和蛋白質組數據，提升分類性能 。
• 模型驗證：研究人員對在 ROSMAP 隊列訓練的模型進行驗證，應用于不同研究和腦區的樣本數據。結果表明，同一模型在不同腦區的預測性能存在差異 。在 MSBB 隊列中，由于訓練數據量的差異等原因，出現了與 ROSMAP 隊列不同的結果 。
• 生物標志物識別：通過整合梯度方法，研究人員確定了與 AD 相關的生物標志物。在排名前 20 的基因 / 蛋白質中，有 9 個與 AD 生物學密切相關，還有 11 個是未被報道的新候選生物標志物 。
• 生物域間相互作用檢測：利用整合 Hessians 方法，研究人員發現脂質代謝在 AD 發病機制中處于核心地位，其與多個生物域存在相互作用，這些相互作用為理解 AD 的發病機制提供了新視角 。
  研究結論和討論部分指出，GNNRAI 框架在多組學數據整合方面表現出色，有效克服了維度詛咒等計算難題，能利用樣本中的缺失模態數據 。然而，該研究也存在一定的局限性，如對知識圖譜結構的簡化假設，未納入其他組學數據等 。但總體而言，這項研究為多組學數據整合和生物標志物識別提供了新的有效方法，為阿爾茨海默病的研究和治療開辟了新的方向，有助于推動精準醫學的發展 。