GigaScience | 北大农研院郭立团队与合作者联合开发高效基因-代谢物关联挖掘算法CAT Bridge

图1：CAT Bridge的总体框架

CAT Bridge算法原理

CAT Bridge的一个主要功能是通过衡量基因与指定代谢物之间的关系，对基因进行启发式排序。具体而言，CAT Bridge通过计算每个基因与指定代谢物间的相关系数或因果系数、峰值期与衰退期的倍数变化，对基因进行排序。排名更靠前的基因被认为更有可能参与指定代谢物的合成与调控。启发式排序里排名前100的基因还可以被输入到AI代理中，根据先验知识对用户做出进一步的提示。通过启发式排序结果和AI代理的提示，研究人员可以更快的筛选出潜在的功能基因。相较于传统方法，CAT Bridge的创新点在于其对时间序列数据的因果推断能力。传统的相关性分析方法（如Pearson或Spearman相关系数）通常只揭示两个变量之间的线性关系，无法捕捉动态的时间依赖性与复杂互作，特别是在基因表达和代谢物浓度变化之间存在时间延迟的情况下。CAT Bridge集成了如格兰杰因果（Granger causality）检验和收敛交叉映射等多种算法，并在不同的物种和任务下接受了基准测试，结果表明CAT Bridge与多个传统方法相比在不同任务的测试中都表现最为优异。

图2：使用CAT Bridge从辣椒纵向多组学数据中挖掘辣椒素生物合成基因

不同场景的应用案例

我们使用三个来自不同物种的转录组-代谢组数据集，对三种不同任务进行了测试，分别是：非模式物种中功能基因的挖掘（通过分析实验收集的辣椒发育不同阶段的多组学数据，发现辣椒素的合成基因）（图2）；已知基因-代谢物关系的重建（人类衰老对于糖酵解通路的影响）；主要前体物质的识别（识别大肠杆菌乙酰辅酶A合成过程中不同前体的贡献度）。在三个任务中，基于收敛交叉映射的CAT Bridge都展现出了优异的表现，而如果依靠传统的Pearson相关系数则会错过正确的结论。

综上所述，该研究提供了一个在多组学数据中发掘关联基因-代谢物对的用户友好性工具CAT Bridge（图3），并且在农业、生物医学的多个场景下测试了其可靠性能。CAT Bridge有网页版（https://catbridge.work），本地版和Python library三种形式供用户选择使用。

图3. CAT Bridge提供一个用户友好的界面，可以在线挖掘关联基因-代谢物

北京大学现代农业研究院访问学生、加拿大阿尔伯塔大学化学系博士生杨博文为论文第一作者，北京大学现代农业研究院郭立研究员、阿尔伯塔大学教授、加拿大皇家科学院厉良院士为论文共同通讯作者。北京大学现代农业研究院科研助理王欣蕊、李君、易澍，实习生孟坦、周翊、张怡，阿尔伯塔大学代谢组创新中心赵爽博士，康奈尔大学计算机系博士生王赢珩参与了此研究。该研究得到了北京大学现代农业研究院高性能计算中心、质谱分析平台的技术支持，以及山东省重点研发计划、山东省自然科学基金杰青项目以及山东省泰山学者等项目的资助。

原文链接：https://academic.oup.com/gigascience/article/doi/10.1093/gigascience/giae083/7887835