把代谢网络画成超图:HyperGenie 预测必需基因,PR-AUC 比依赖目标函数的方法高 13%
核心概要
细菌必需基因的预测长期依赖通量平衡分析,而该方法默认敲除株仍以最大生长为目标,这一前提并不总成立。HyperGenie 把大肠杆菌代谢网络表示为有向超图,代谢物作节点、反应作超边,直接以野生型通量特征作输入,绕开敲除后的最优性假设。在 iML1515 模型的有氧葡萄糖条件下,其 PR-AUC 比依赖目标函数的 FlowGAT 与随机森林高 13%,并与通量采样的 FCL 在可比的基因子集上持平。
深度剖析
必需基因预测不再需要假设敲除株仍按最大生长速率优化。HyperGenie 直接以野生型菌株的通量特征作为输入,把反应是否必需作为分类目标,从而把敲除后的最优性假设从流程中去掉。 此前的做法要么用通量平衡分析模拟敲除并假定突变株仍优化同一目标,要么用随机森林或质量流图上的图神经网络绕开该假设;随机森林丢弃网络拓扑,质量流图把多底物多产物的反应拆成两两连接。 在大肠杆菌有氧 M9 葡萄糖培养基上,以 5 折交叉验证重复 10 次共 50 次运行统计,HyperGenie 的 PR-AUC 为 96.1±2.6%,FlowGAT 为 82.5%,随机森林为 83.0%,即高出 13%;在 136 和 137 个基因的两个可比子集上,其准确率与 FCL 相当。
模型把代谢网络当作超图处理,代谢物是节点,反应是连接多个反应物与多个产物的超边,因此一次消息传递就能覆盖整条反应的化学计量关系。 为单独衡量超图消息传递的作用,同一批通量特征被送入一个不含拓扑传播的多层感知机 MLPGenie,两者共享输入特征、网络规模和基因映射流程。 在葡萄糖基本培养基上,HyperGenie 的准确率比 MLPGenie 高 2% 以上;在六种替代碳源上高 4% 以上,其中木糖上超过 10%。只用 FBA 通量时两者差距显著,用上包含通量变异分析上下界的完整特征集后,PR-AUC 差异不再显著。
启示与展望
已展示的范围是大肠杆菌 K-12 的 iML1515 重建在 12 种单一碳源、10 至 40 mmol gDW−1 h−1 摄取速率下的反应级必需性预测,以及葡萄糖基本培养基中 panB、bioF、bioH 三个敲除株的生长曲线与其中两个的菌落 PCR 验证。
跨碳源零样本预测中,模型对在新环境中获得必需性的基因判断较准,对失去必需性的基因判断较差,整体倾向过度预测必需性;训练数据低于 50% 时 HyperGenie 的性能下降比 MLPGenie 更快;在最低摄取速率下,丙酮酸、丙氨酸和 D-乳酸等三碳底物上 MLPGenie 表现不劣于 HyperGenie;SHAP 归因依赖所选背景基线。
