D-CAF 框架：解析多组学昼夜节律数据，揭示新型共调控机制

研究人员为解决多组学昼夜节律数据建模难题，开发 D-CAF 框架，发现新免疫通路，助力理解昼夜调控机制。

　　在地球的生命乐章里，昼夜节律就像一位神奇的指挥家，掌控着生物体的生理节奏，从睡眠与清醒的交替，到免疫系统的运作、激素的分泌以及新陈代谢的起伏，无一不受其精准调度。它由分子昼夜时钟驱动，通过协调众多时钟控制基因 / 蛋白质（CCGs/CCPs）的转录和表达，奏响 24 小时的生命旋律。一旦昼夜节律被打乱，就如同乐章走调，会引发阿尔茨海默病、糖尿病、癌症和心血管疾病等一系列健康问题。

为了深入了解昼夜节律的调控奥秘，科研人员常常借助组学技术，从转录组和蛋白质组层面探索 CCGs/CCPs 的变化规律。然而，多组学昼夜节律数据的建模困难重重，现有的整合方法要么难以分析节律特性，要么对数据有特殊要求，这使得多组学联合分析在该领域进展缓慢。在此背景下，来自美国联合学院（Union College）、伦斯勒理工学院（Rensselaer Polytechnic Institute）等机构的研究人员开展了一项重要研究，相关成果发表在《BMC Bioinformatics》上。他们开发了一种双方法共表达分析框架（Dual-approach co-expression analysis framework，D-CAF），旨在打破多组学昼夜节律研究的困境，为揭示分子过程的昼夜调控机制提供有力工具。

研究人员在开展研究时，运用了多种关键技术方法。首先，他们利用来自之前研究的小鼠巨噬细胞转录组和蛋白质组数据，这些数据是从 3 - 6 个月大的 Per2::Luc 或 Per1/Per2 基因敲除小鼠的骨髓中获取巨噬细胞，每 2 小时收集一次，持续 48 小时，并进行转录组（RNA 测序）和蛋白质组测量得到的。在数据处理阶段，通过 LIMBR 和 ECHO 软件包对数据进行预处理，实现早期整合，包括缺失值插补、批次效应去除以及拟合相对表达曲线。之后，运用网络分析构建相似性矩阵和邻接矩阵，采用无加权和加权网络分析两种策略，并通过多种社区检测算法进行模型生成和验证，最终确定最优模型。

下面来看具体的研究结果。

• 无加权网络分析：研究人员对 28 个候选模型进行评估，发现渐近惊喜（Asymptotic Surprise，AS）和显著性（Significance）社区检测方法生成的模型在抵抗高斯噪声干扰方面表现出色。其中，80-NN + AS 模型表现最佳，它将数据划分为 84 个节律簇，18 个具有昼夜节律周期。这些簇内节律的周期和相移标准差都很小，表明该模型能有效聚集相似节律。此外，模型的模块化得分达到 0.640，说明簇内连接紧密，簇间连接稀疏，聚类效果良好。在这些簇中，不仅包含核心昼夜节律转录 - 翻译负反馈环中的基因和蛋白质，如 Per1、Cry2 等，还发现了与昼夜节律时钟或输出无关联的新基因 / 蛋白质，如 Tm9sf1、Ptcra 和 NTAL，这为研究昼夜共调控开辟了新方向。
• 加权网络分析：加权网络分析旨在识别大规模的共表达节律功能组。通过对加权相似性矩阵进行谱聚类，研究人员得到 30 个簇，其中 5 个具有昼夜节律周期。虽然这些簇的周期和相移标准差略大于无加权网络分析得到的结果，但仍接近数据生成的时间分辨率。通过对模型进行噪声扰动验证，发现其稳健性与无加权网络分析的 80-NN + AS 模型相近。利用 StringDB 进行生物功能分析，发现三个簇的蛋白质 - 蛋白质相互作用（PPI）富集 p 值小于 0.05，表明这些簇包含更多生物学相关的分析物。例如，IL-27 信号通路的节律与已知时钟基因在同一簇中，且加权模型比无加权模型揭示了更多的连接，构建了更全面的功能网络。

综合研究结论和讨论，D-CAF 框架成功整合多组学数据，通过无加权和加权网络分析，分别从小规模和大规模层面揭示了已知时钟基因 / 蛋白质与新基因 / 蛋白质之间的潜在调控关系。无加权分析发现了新的可能参与昼夜节律共调控的基因和蛋白质，提示了昼夜节律调节免疫系统的新途径；加权分析则突出了干扰素（IFN）信号通路与昼夜节律的关联，表明 ISG 抗病毒反应可能存在时间依赖性。然而，该研究也存在一定局限性，如网络参数选择依赖于特定数据集，可能忽略转录后和翻译后的调控过程，数据过滤阈值可能导致小数据集信息丢失等。尽管如此，D-CAF 框架为研究昼夜节律对生物过程的调控机制提供了重要的筛选工具，可帮助研究人员识别潜在的共表达分析物和共调控的 PPI 网络，为后续实验研究奠定基础，推动昼夜节律领域的深入发展。