背景
类风湿关节炎（RA）是一种复杂的自身免疫性疾病，其异质性给精准诊断和治疗带来巨大挑战。转录组学数据蕴含丰富信息，但多数机器学习模型缺乏可解释性，难以揭示关键的生物学机制，特别是特定细胞因子的作用。
方法
研究团队构建了GeneCytNet框架。该框架的核心架构整合了变分自编码器（VAE）和非线性特征压缩，以及图注意力网络（GAT）来建模基因-基因相互作用。为提供一个稳健的概念验证，研究首先在合成的基因表达数据集上进行开发。该合成数据集包含240个RA样本和120个健康对照样本，每个样本有15,000个基因特征。模型性能与经典模型（如逻辑回归、随机森林、XGBoost等）进行了比较，并通过交叉验证和独立保持集评估了泛化能力。最关键的创新在于引入了计算机模拟（in silico）细胞因子扰动实验，用于模拟调节IL-6、TNF-α和IL-1β应答基因模块对RA风险预测的影响。
结果
1. 卓越的分类性能
GeneCytNet在测试集上取得了优异的分类性能，AUC为0.962 ± 0.005，准确率为0.914 ± 0.007，F1分数为0.915 ± 0.006，全面超越了所有基线模型。消融实验证实，VAE和GAT组件对模型性能有协同贡献，移除任一组件都会导致AUC下降约2-2.5%。
2. 可解释性揭示关键生物标志物与通路
通过SHAP（SHapley Additive exPlanations）分析，模型识别出对预测最具影响力的单个基因，包括IL6R和STAT3，二者是JAK-STAT信号通路的关键组成部分。在系统层面，模型分析发现，包含IL6R和STAT3的基因模块（Module 27）对RA风险预测的贡献最大，体现了从基因到通路的多层级生物学一致性。
3. 计算机模拟扰动量化细胞因子的特异性效应
通过计算机模拟扰动实验，研究定量评估了调节特定细胞因子响应基因模块对模型预测的RA风险概率（p）的影响。结果显示，上调IL-6响应模块使RA风险概率增加+0.12 ± 0.03，效应最为显著；其次是TNF-α（+0.08 ± 0.02）和IL-1β（+0.06 ± 0.02）。下调这些模块则相应降低风险。这一效应层级（IL-6 > TNF-α > IL-1β）与已知的RA临床证据相符。值得注意的是，合成数据并未提供任何细胞因子的先验信息，这一层级关系完全由模型从数据中自主学习得出，验证了其捕获真实生物学信号的能力。
讨论与结论
GeneCytNet的成功在于它将高精度预测与机制解释相结合。其VAE-GAT混合架构能有效处理转录组数据的高维度和噪声，并通过图结构捕捉基因间的协同作用，这比将基因视为独立特征的传统模型更能反映疾病的网络生物学本质。
该框架的计算机模拟扰动功能使其能够充当“虚拟患者模拟器”，不仅可用于发现潜在的生物标志物，还能为理解不同细胞因子在疾病中的相对贡献、生成关于患者分子分型（如“IL-6驱动型”、“TNF-α驱动型”）的假设提供强大工具。这为迈向RA的精准医疗——即根据患者主导的细胞因子信号选择最可能有效的靶向疗法——提供了新的计算范式。
当然，本研究目前基于合成数据，是将该框架应用于真实患者数据（如GEO数据库中的RA数据集）前的关键概念验证步骤。未来的工作（可视为本研究的第二部分）将聚焦于在真实世界队列中验证和适配此框架，并探索将其扩展至多组学数据整合和单细胞转录组分析的可能性，以进一步解析RA的细胞异质性。总而言之，GeneCytNet为连接复杂的生物数据、可解释的人工智能与可验证的生物学假说搭建了一座有前景的桥梁。
