群体智慧实现稳健的基因调控网络推断

一句话看懂

从基因表达数据推断“谁调控谁”的算法有几十种，各家都说自己好。DREAM5 挑战让 29 个参赛团队在同一批隐去基因名的数据上盲推网络，再加上 6 种常用工具，统一用实验验证的调控关系打分。结论是：没有哪个方法在所有数据上都最好，但把所有方法的排序平均起来得到的“社区网络”，在不同数据上都接近或超过最好的单一方法。

研究背景与问题

基因调控网络推断是系统生物学的老问题（见网络推断问题：从“一起变化”到“谁调控谁”）。相关、互信息、回归、贝叶斯网络等方法层出不穷，但各自在不同数据、不同指标上评估，结果无法比较。更麻烦的是，方法开发者往往知道评估用的“答案”，容易无意中过拟合。

DREAM（Dialogue on Reverse Engineering Assessment and Methods）项目的做法类似蛋白质结构预测的 CASP 竞赛：组织者准备数据和金标准，参赛者在不知道答案的情况下提交预测，最后统一评估。本文是第五轮（DREAM5）网络推断挑战的总结。

核心思想与方法

四个数据集：一个模拟（in silico）网络，以及大肠杆菌、金黄色葡萄球菌、酿酒酵母的真实微阵列表达数据，涵盖多种实验条件，部分包含转录因子敲除或过表达。基因身份被匿名化。
金标准：模拟网络的答案已知；大肠杆菌用 RegulonDB 中有实验支持的调控关系；酵母用整合的结合与保守性数据；金黄色葡萄球菌缺乏足够大的金标准，不参与定量评分。
方法分类：35 种方法分为回归、互信息、相关、贝叶斯网络、元方法（组合多种方法）和其他六类。
评分：每个方法提交一份按置信度排序的调控边列表，用精确率–召回率曲线下面积（AUPR）和 ROC 曲线下面积（AUROC）评估，再与随机边列表比较换算为 $p$ 值，汇总成总分。
社区整合：对每条候选边，取它在各方法排序中的平均名次，重新排序得到社区网络。

群体智慧（社区整合）：设第 $m$ 个方法给边 $e$ 的排名为 $r_m(e)$ ，社区得分为 $\bar r(e)=\frac{1}{M}\sum_{m=1}^{M} r_m(e)$ ，按 $\bar r$ 从小到大排序即为社区预测。它不需要训练，也不需要知道哪个方法更好。

AUPR：在正例极少的网络推断中，AUPR 比 AUROC 更能反映排在前面的预测是否可靠。

主要发现

没有通用最优方法：总分最高的两种方法属于“其他”类（基于随机森林和方差分析），但它们只在大肠杆菌上最好；模拟数据上最好的是两种回归方法，酵母上最好的是两种元方法。同一类别内部的表现差异也很大。
方法有系统偏差：互信息和相关类方法更擅长恢复前馈环、扇入和扇出等较密集的结构，但对级联容易产生假阳性；稀疏回归和贝叶斯网络方法更擅长级联，却会漏掉前馈环中的直接边。
社区网络最稳健：在 35 种方法中，社区网络在模拟数据上排第 1，大肠杆菌上排第 3，酵母上排第 6，综合表现远超任何单一方法；只需整合少至三种互补的方法就能明显提升性能。
真核生物仍很难：在模拟和大肠杆菌数据上多数方法能较可靠地恢复调控关系，而在酵母数据上表现普遍差得多。作者发现，网络推断的基本假设“转录因子与靶基因的 mRNA 水平相关”在大肠杆菌中大体成立，在酵母中却不成立；酵母金标准覆盖度较低也可能是原因之一。经典工具 CLR 和 ARACNE 被若干参赛方法显著超过。
实验验证：作者为大肠杆菌和金黄色葡萄球菌各构建了约 1700 条调控关系的高置信社区网络（估计精确率约 50%）；在大肠杆菌中实验检验了 53 条新预测，其中 23 条得到支持（43%）。

怎样读这篇论文

先看图 1，它把挑战流程（数据准备、匿名化、提交、整合、评估）画得很清楚。然后看图 2：各方法在三个网络上的得分和按基序类型的表现，这是“没有通用最优”和“方法有系统偏差”的证据。图 3 说明整合多少个方法、哪些方法最有效。表 1 列出 35 种方法的简要描述，可以挑你熟悉的方法（如 ARACNE、CLR）看它们的位置。补充材料很长，评分细节按需查阅。

局限与后续工作

金标准不完整：RegulonDB 只包含已被研究的调控关系，许多“假阳性”可能是尚未验证的真关系；酵母金标准质量更低，也可能部分解释其表现差。
微阵列与批量数据：挑战使用的是批量表达谱，没有单细胞、染色质可及性等信息。后续 BEELINE（Pratapa 等, 2020, Nature Methods）对单细胞推断方法做了类似的基准评估，结论同样是方法间差异大、整体准确度有限。
相关不等于调控：大多数方法基于观测数据的统计依赖，推断出的边是候选的调控关系，而非因果证明；23/53 的验证率说明一半以上的高分预测仍未得到支持。
群体智慧的条件：整合有效的前提是各方法的错误相对独立；如果方法高度相似，平均排名不会带来好处。
后续发展：DREAM 后续挑战扩展到疾病模块识别（Choobdar 等, 2019, Nature Methods）；Marbach 等（2016, Nature Methods）构建了数百个人类组织与细胞类型特异的调控网络，并研究其与复杂疾病的关系。

关联知识

推断结果的评估以本文为核心例子，基因调控网络推断与共表达分析的核心文献也收录本文；超越相关：信息论、树模型与单细胞方法介绍的基于树模型和互信息的方法在 DREAM5 中都有代表。
推断方法在前馈环与级联上的系统偏差，与网络基序：自调控与前馈环（Shen-Orr 等, 2002）直接相关。
“整合多种不完美方法”的思路，也适用于药物重定位：从网络预测到外部验证中整合多个数据源预测药物–疾病关系，但要警惕信息泄漏与共同偏差。

延伸思考

为什么在网络推断中 AUPR 比 AUROC 更有信息量？请用正例比例约为 1% 的情形举例说明。
如果所有方法都依赖同一个表达矩阵，它们的错误还能被视为相互独立吗？社区整合在什么情况下会失效？
所有方法在酵母数据上都表现较差。请从数据（实验条件、转录后调控等机制）和金标准两方面提出可能原因，并设计一个分析区分它们。