HGAlign：異種グラフアラインメントによるメタボロミクスにおける生物学的バッチ補正と分類の維持
Yang Gao1, Haoyun Yu1, Chunman Zuo2
1School of Computer Science and Technology, Donghua University, Shanghai 201620, China.
Computational biology and chemistry
|December 25, 2025
まとめ
HGAlignは、新規のニューラルネットワークモデルであり、大規模なマトリックス支援レーザー脱離/イオン化質量分析（MALDI-MS）メタボロミクスにおけるバッチ効果を効果的に補正します。生物学的シグナルを維持し、疾患分類の精度と代謝物の同定を改善します。
科学分野:
- 計算生物学
- 分析化学
- バイオテクノロジー
背景:
- マトリックス支援レーザー脱離/イオン化質量分析（MALDI-MS）を用いた大規模メタボロミクスは、生物学的プロファイリングに不可欠です。
- MALDI-MS実験におけるバッチ効果は、処理や機器のばらつきに起因し、生物学的シグナルを不明瞭にし、再現性を低下させます。
- 現在のバッチ補正方法は、しばしば単純化しすぎたり、重要な生物学的情報を削除するリスクを伴います。
主な方法:
- 異種グラフ畳み込みネットワークを利用するニューラルネットワークであるHGAlign（Heterogeneous Graph Alignment Model）の導入。
- 効果的なバッチ補正を可能にするために、サンプルと代謝的特徴の関係を学習すること。
- CyTOF公開データセットと全身性エリテマトーデス（SLE）患者の臨床MALDI-MS血清データへの適用。
結論:
- HGAlignは、ハイスループットメタボロミクスにおけるバッチ効果の除去と生物学的シグナルの維持のバランスをとるための原理的なフレームワークを提供します。
- 異種グラフ表現学習は、バッチ補正と疾患分類のパフォーマンスを向上させます。
- HGAlignは、メタボロミクス研究における大規模な臨床応用のための強力な可能性を示しています。
