DOI: https://doi.org/10.1038/s41598-025-34115-y
PMID: https://pubmed.ncbi.nlm.nih.gov/41611762
تاريخ النشر: 2026-01-29
المؤلف: X. Wang
الموضوع الرئيسي: تعبير الجينات وتصنيف السرطان
نظرة عامة
تقدم ورقة البحث إطار عمل لشبكة عصبية عميقة للتحليل البيوإحصائي تهدف إلى فحص علامات الأمراض، تحديدًا في سياق دراسة حالة سرطان الثدي على مستوى الخلية الواحدة. يستنتج المؤلفون أن إطارهم قابل للتكيف ويمكن توسيعه بعدة طرق. يمكن أن يتضمن دمج متعدد الأوميات من خلال إضافة فروع إدخال محددة لكل نمط وطبقة دمج مشتركة، مما يسمح بدمج البيانات النسخية والبروتينية والسريرية في نموذج متماسك.
علاوة على ذلك، يسهل تصميم متعدد الطبقات الخفيف (MLP) التطبيقات في الوقت الحقيقي أو القريبة من الوقت الحقيقي، مما يجعله مناسبًا للتغذية الراجعة السريعة أثناء تطوير لوحات علامات حيوية جديدة. يدعم الإطار أيضًا أساليب التعلم الفيدرالي، مما يمكّن تدريب النموذج عبر مؤسسات مختلفة مع الحفاظ على خصوصية المرضى ومعالجة المخاوف التنظيمية. يؤكد المؤلفون على أهمية إجراء دراسات طولية واستباقية لتقييم الأهمية السريرية للعلامات المحددة في المجموعات المستقبلية. ستكون هذه المسارات محور بحثهم اللاحق، بهدف تعزيز التطبيق العملي لفحص العلامات الحيوية المعتمد على التعلم العميق في الطب الدقيق.
الطرق
تستخدم الدراسة مجموعة بيانات تسلسل RNA للسرطان الثدي على مستوى الخلية الواحدة العامة GSE228499، والتي تتكون من تسع أنسجة أورام أولية HR+/HER2 من مرضى لم يتلقوا علاجًا مسبقًا. تم معالجة أنسجة الأورام من خلال التفكيك الميكانيكي والهضم الإنزيمي في يوم الجراحة، تلاها إعداد مكتبات الخلايا الفردية باستخدام منصة التعبير الجيني Chromium Single Cell 3′ (10x Genomics). تم إجراء التسلسل على جهاز Illumina HiSeq 2500، وتم معالجة البيانات الخام باستخدام Cell Ranger. بعد تطبيق خط أنابيب مراقبة الجودة (QC)، الذي استبعد الخلايا ذات أحجام المكتبات الصغيرة، والمحتوى الميتوكوندري العالي، أو الجينات المكتشفة المفرطة، شملت مجموعة البيانات النهائية 24,803 خلية وعددًا من الآلاف من الجينات المعبر عنها.
للتعليق على نوع الخلية، تم استخدام التجميع غير الخاضع للإشراف وجينات العلامات الكانونية، مما حدد أنواع الخلايا الرئيسية مثل خلايا الأورام الظهارية، والليفوبلاستات المرتبطة بالسرطان (CAFs)، وخلايا T، والبلاعم، والخلايا البطانية. تركز الدراسة على مجموعة تسميات ذات صلة سريرية تميز بين الأنماط الفرعية للأورام المهاجرة، وتحت مجموعات CAF، وغيرها من خلايا البيئة الدقيقة. من الجدير بالذكر أن مجموعة البيانات تظهر عدم توازن كبير في الفئات، حيث تسود خلايا الأورام الظهارية وCAFs، بينما الأنماط الفرعية المناعية والبطانية أقل تكرارًا. لمعالجة هذا التوازن، يتم استخدام خسائر موزونة حسب الفئة وإبلاغ حسب الفئة. بالإضافة إلى ذلك، فإن الإطار التحليلي قابل للتكيف لتحليلات الأوميات الضخمة أو متعددة الأوميات من خلال تعديل وحدة الإدخال مع الحفاظ على الهيكل العام.
النتائج
في التحليل المقارن لنتائج فحص العلامات الحيوية، تم تقييم الشبكات العصبية العميقة (DNNs) مقابل الطرق الإحصائية التقليدية، بما في ذلك LASSO والغابات العشوائية. تشير النتائج إلى أن DNNs تتفوق في تحديد مجموعات الجينات ذات الارتباطات القوية بالأمراض، بينما مجموعات الجينات التي حددها LASSO والغابات العشوائية أكثر تشتتًا وأقل استقرارًا عبر تجارب متعددة. على وجه التحديد، تلتقط DNNs العلاقات غير الخطية المعقدة بفعالية، مما يؤدي إلى تحديد الجينات المرتبطة بالأمراض التي تم توثيقها جيدًا في الأدبيات، كما هو موضح في الجدول 3 والشكل 2.
تسلط النتائج الضوء على أنه بينما يمكن لـ LASSO والغابات العشوائية تحديد بعض الجينات ذات الصلة، فإن استقرارها وأهميتها البيولوجية أضعف نسبيًا. العديد من الجينات التي حددتها هذه الطرق التقليدية تفتقر إلى دعم خلفية بيولوجية قوية، مما يبرز ميزة DNNs في تقديم استنتاجات أكثر موثوقية وذات مغزى بيولوجي أثناء فحص العلامات الحيوية. بشكل عام، تُظهر هذه الدراسة فعالية DNNs في استغلال المعلومات البيولوجية المعقدة لتحسين تحديد العلامات الحيوية.
المناقشة
في قسم المناقشة، يبرز المؤلفون تطور تطبيقات التعلم العميق في اكتشاف العلامات الحيوية المعتمدة على الأوميات، مؤكدين الانتقال من الطرق الإحصائية التقليدية إلى الشبكات العصبية العميقة (DNNs) لتحديد التوقيعات التنبؤية في البيانات البيولوجية عالية الأبعاد. يشيرون إلى أنه بينما أظهرت DNNs وعدًا في التنبؤ باستجابات الأدوية واكتشاف العلامات الحيوية، فإن النماذج الحالية غالبًا ما تعطي الأولوية لدقة التنبؤ على القابلية للتفسير والاستقرار. يقترح المؤلفون إطار عمل جديد يدمج اختيار الميزات الهيكلية مع DNNs، باستخدام آليات الانتباه وShapley Additive Explanations (SHAP) لتعزيز القابلية للتفسير وضمان الأهمية البيولوجية للعلامات الحيوية المختارة. يهدف هذا النهج إلى سد الفجوة بين الهياكل المعقدة للتعلم العميق والحاجة إلى تحديد العلامات الحيوية بشكل شفاف وقابل للتكرار.
يناقش المؤلفون أيضًا دمج طرق القابلية للتفسير مع بيانات الأوميات المتعددة، مشيرين إلى أنه بينما حسنت النماذج المعتمدة على الانتباه والأطر متعددة الأوميات أداء التصنيف، فإنها غالبًا ما تفتقر إلى القدرة على تتبع المساهمات المحددة للجينات أو المسارات في التنبؤات. يعالج إطارهم هذه الفجوات من خلال دمج الانتباه على مستوى الميزات مع تفسيرات قائمة على SHAP، مما يؤدي إلى درجة أهمية مرتبة للجينات تكون موثوقة إحصائيًا وقابلة للتفسير بيولوجيًا. يستنتج المؤلفون أن نموذجهم لا يتفوق فقط على الطرق التقليدية من حيث الدقة والصلابة، بل يوفر أيضًا رؤى قيمة حول الآليات البيولوجية الكامنة وراء الأمراض، مما يعزز قابليته السريرية. ستركز الأعمال المستقبلية على توسيع الإطار لدمج الأوميات المتعددة وضمان نشره العملي في الطب الدقيق.
DOI: https://doi.org/10.1038/s41598-025-34115-y
PMID: https://pubmed.ncbi.nlm.nih.gov/41611762
Publication Date: 2026-01-29
Author(s): X. Wang
Primary Topic: Gene expression and cancer classification
Overview
The research paper presents a deep neural network framework for biostatistical analysis aimed at screening disease markers, specifically in the context of a single-cell breast cancer case study. The authors conclude that their framework is adaptable and can be extended in several ways. It can incorporate multi-omics integration by adding modality-specific input branches and a shared fusion layer, allowing for the combination of transcriptomic, proteomic, and clinical data into a cohesive model.
Furthermore, the lightweight multi-layer perceptron (MLP) design facilitates real-time or near-real-time applications, making it suitable for rapid feedback during the development of new biomarker panels. The framework also supports federated learning approaches, enabling model training across different institutions while maintaining patient privacy and addressing regulatory concerns. The authors emphasize the importance of conducting longitudinal and prospective studies to evaluate the clinical relevance of the identified markers in future cohorts. These avenues will be the focus of their subsequent research, aiming to enhance the practical application of deep-learning-based biomarker screening in precision medicine.
Methods
The study utilizes the public breast-cancer single-cell RNA-sequencing dataset GSE228499, which comprises nine HR+/HER2-primary tumor tissues from patients who did not receive neoadjuvant therapy. The tumor tissues were processed through mechanical dissociation and enzymatic digestion on the day of surgery, followed by the preparation of single-cell libraries using the Chromium Single Cell 3′ gene expression platform (10x Genomics). Sequencing was conducted on an Illumina HiSeq 2500, and raw data were processed with Cell Ranger. After applying a quality control (QC) pipeline, which excluded cells with small library sizes, high mitochondrial content, or excessive detected genes, the final dataset included 24,803 cells and several thousand expressed genes.
For cell type annotation, unsupervised clustering and canonical marker genes were employed, identifying key cell types such as epithelial tumor cells, cancer-associated fibroblasts (CAFs), T cells, macrophages, and endothelial cells. The study focuses on a clinically relevant label set that distinguishes between migratory tumor subtypes, CAF subpopulations, and other microenvironmental cells. Notably, the dataset exhibits significant class imbalance, with epithelial tumor cells and CAFs predominating, while immune and endothelial subtypes are less frequent. To address this imbalance, class-weighted losses and per-class reporting are utilized. Additionally, the analytical framework is adaptable for bulk-omics or multi-omics analyses by modifying the input module while maintaining the overall architecture.
Results
In the comparative analysis of biomarker screening results, deep neural networks (DNNs) were evaluated against traditional statistical methods, including LASSO and random forests. The findings indicate that DNNs are superior in identifying gene sets with strong associations to diseases, whereas the gene sets identified by LASSO and random forests are more scattered and less stable across multiple experiments. Specifically, DNNs effectively capture complex nonlinear relationships, leading to the identification of disease-related genes that are well-documented in the literature, as illustrated in Table 3 and Figure 2.
The results highlight that while LASSO and random forests can identify some relevant genes, their stability and biological significance are comparatively weaker. Many genes identified by these traditional methods lack robust biological background support, underscoring the advantage of DNNs in providing more reliable and biologically meaningful conclusions during biomarker screening. Overall, this research demonstrates the efficacy of DNNs in harnessing complex biological information for improved biomarker identification.
Discussion
In the discussion section, the authors highlight the evolution of deep learning applications in omics-based biomarker discovery, emphasizing the transition from traditional statistical methods to deep neural networks (DNNs) for identifying predictive signatures in high-dimensional biological data. They note that while DNNs have shown promise in predicting drug responses and discovering biomarkers, existing models often prioritize prediction accuracy over interpretability and stability. The authors propose a novel framework that integrates structured feature selection with DNNs, utilizing attention mechanisms and Shapley Additive Explanations (SHAP) to enhance interpretability and ensure the biological relevance of selected biomarkers. This approach aims to bridge the gap between complex deep learning architectures and the need for transparent, reproducible biomarker identification.
The authors further discuss the integration of interpretability methods with multi-omics data, noting that while attention-based models and multi-omics frameworks have improved classification performance, they often lack the ability to trace specific contributions of genes or pathways to predictions. Their framework addresses these gaps by combining feature-level attention with SHAP-based explanations, resulting in a ranked importance score for genes that is both statistically sound and biologically interpretable. The authors conclude that their model not only outperforms traditional methods in terms of accuracy and robustness but also provides valuable insights into the biological mechanisms underlying disease, thereby enhancing its clinical applicability. Future work will focus on extending the framework for multi-omics integration and ensuring its practical deployment in precision medicine.