利用蛋白质互作网络与PET/CT放射组学预测NSCLC淋巴结转移的图神经网络模型.

0. TL; DR

本文提出了一种基于GNN的模型，整合了从RNA测序数据构建的protein–protein interaction (PPI) 网络和从18F-FDG PET/CT图像中提取的影像纹理特征，用于预测NSCLC患者的淋巴结转移（lymph node metastasis）。

模型首先通过Weighted Gene Co-expression Network Analysis (WGCNA) 构建基因共表达模块，并进行功能富集分析以筛选与转移相关的基因。然后，将筛选出的基因的PPI网络作为图结构，利用Graph Attention Network进行特征学习。最后，将学习到的基因组特征与影像特征进行拼接，输入分类器进行预测。

实验结果表明仅使用基于转移相关基因构建的PPI网络，模型的准确率（0.5830）显著优于使用WGCNA模块构建的网络（0.4795）。将4个转移相关基因的PPI网络与18F-FDG PET/CT影像特征整合到GNN模型中，准确率大幅提升至0.8545。

1. 背景介绍

肺癌是全球发病率最高的癌症之一，而non-small cell lung cancer (NSCLC) 是其最主要类型。转移（Metastasis），特别是向周围淋巴结的扩散，是疾病进展的关键因素，严重影响治疗方案的选择和患者预后。对于区域性NSCLC，五年相对生存率约为37%。

放射组学（Radiomics）是一种从医学影像中提取大量定量特征以表征肿瘤的技术。NSCLC表现出显著的肿瘤异质性，而radiomics能够量化这种异质性，为预测肿瘤预后、评估治疗反应和制定个性化治疗策略提供有价值的信息。

另一方面，Protein–protein interaction (PPI) 网络以图的形式描绘了蛋白质之间的物理和功能相互作用，是理解复杂细胞过程、信号通路和疾病分子基础的关键。通过分析PPI网络，可以识别在癌症进展和转移中起核心作用的基因，并发现潜在的治疗靶点。已有研究利用PPI网络成功预测了癌症驱动基因或识别了与乳腺癌转移相关的枢纽基因。

GNN是一种专为处理图结构数据而设计的模型。GNN通过在图的节点和边之间传播信息，能够学习节点的交互模式和图的整体结构关系，其强大的特征提取和关系学习能力使其成为分析分子生物学网络的理想工具。

鉴于此，本研究旨在开发一个GNN模型，该模型能够创新性地整合代表基因间复杂联系的PPI网络和捕捉肿瘤内部变异性的radiomics数据，以期更准确地预测NSCLC的转移进展。

2. 方法介绍

本研究的核心是构建一个放射基因组学（radiogenomics）模型，它利用GNN来融合基因组信息和影像信息。整个流程如图3所示。

数据来源与处理

研究使用了来自The Cancer Imaging Archive（TCIA）的93名NSCLC患者的18F-FDG PET/CT图像和RNA表达数据。其中，73名患者无区域淋巴结转移，20名患者有转移。

为了处理样本不平衡问题，作者采用了synthetic minority over-sampling technique (SMOTE) 算法，将样本量扩增至146个，以进行更鲁棒的数据分析。

基因分析与PPI网络构建

作者通过一系列生物信息学分析来筛选与转移最相关的基因，并构建PPI网络。

  1. Weighted Gene Co-expression Network Analysis (WGCNA)：首先，对22,126个基因进行WGCNA分析，将高度相关的基因聚类成不同的“模块”。
  2. 模块筛选：通过计算基因模块的特征基因（eigengene）与淋巴结转移状态之间的相关性，筛选出与转移最相关的模块。
  3. 功能富集分析：对筛选出的模块中的基因进行Gene Ontology (GO) 分析，以确定它们参与的生物学过程。
  4. 差异表达基因 (DEG) 分析：识别在转移组和非转移组之间表达水平有显著差异的基因。
  5. 基因筛选：结合功能富集和DEG分析结果，筛选出富集在转移相关通路（如HIF-1 signaling, Focal adhesion pathway等）中的DEGs。
  6. PPI网络构建：使用STRING数据库，为筛选出的核心基因集构建PPI网络。在这个网络中，每个基因是一个节点，蛋白质之间的相互作用是边。

影像特征提取与选择

使用Local Image Features Extraction (LIFEx) 软件从18F-FDG PET/CT图像的肿瘤ROI中提取影像特征。

计算每个影像特征预测淋巴结转移的AUC。设定一个AUC阈值（0.68），选择高于此阈值的特征用于模型构建。这个阈值的选择旨在平衡模型的精确性和变量的包容性，避免因阈值过高导致变量过少，或因阈值过低引入过多噪声。

GNN预测模型

作者构建的GNN模型结构如图所示，其核心是利用Graph Attention Network (GAT) 来处理PPI网络。

GAT是一种基于图卷积网络的层，它引入了可训练的masked注意力机制，允许节点在聚合邻居信息时为不同的邻居分配不同的权重。作者使用了三头注意力机制，并将输出取平均。

整个GNN部分由三个GNN block组成，每个block包含一个GAT层、ReLU、批标准化和dropout。对于每个输入的PPI网络（即一个基因模块或基因集），GNN的输出是每个节点的嵌入表示。通过对所有节点的嵌入表示进行max pooling操作，将节点级别的特征转换为图级别的嵌入表示，代表了整个PPI网络的特征。

将影像特征通过一个fully connected层模块（包含FC层、ReLU和batch normalization）进行变换。将多个PPI网络的图嵌入和变换后的影像特征进行concatenate（拼接）。将拼接后的特征向量送入一个由两个FC层和一个softmax层组成的分类器，最终输出淋巴结转移的概率。

3. 实验分析

3.1 基因和影像特征选择

WGCNA分析将基因聚类为86个模块，其中73个模块形成了可用的PPI网络。其中，Sky Blue 1模块和Yellow Green模块与lymph node metastasis表现出显著相关性（p值分别为0.03和0.047）。对这两个模块进行功能分析，发现34个基因富集在HIF-1 signaling等转移相关通路中。结合DEG分析和单变量分析，最终筛选出5个核心基因（EGF, HKDC1, PIK3R1, MYLK4, COL6A5）用于后续模型评估。

下图展示了在预测淋巴结转移任务中表现最好的6个影像特征的ROC曲线。作者选择了AUC大于0.68的10个特征（6个来自PET，4个来自CT）用于模型构建。这些特征包括TLG (Total Lesion Glycolysis), SHAPE Volume等。

3.2 GNN模型性能评估

作者通过比较不同输入组合下GNN模型的性能，系统地分析了基因信息和影像信息对预测准确率的贡献。