GRN推断边级交叉验证存在靶基因泄露，图注意力模型AUROC虚高近0.4

2026-09-13·碱基·生信方法

把十几种 GRN（基因调控网络，gene regulatory network）推断方法扔在同一份数据上，对同一条边的预测结论经常彼此矛盾。GENIE3 说这对基因有调控关系，ARACNe 说没有，CLR 说也许有。实践中，研究者要么选一种方法、要么把所有方法的分数平均，鲜少有人追问这些分歧本身是否携带可利用的信息。

这篇发表在 Bio Systems 的论文（PMID: 42727749）想试第三条路：让一个梯度提升（gradient-boosted）分类器逐条边决定该信哪种方法。它做到了，但增益有限；更值得看的是，论文顺手拆穿了该领域通行评估协议里一个系统性的漏洞。

梯度提升仲裁器与六组扰动数据

输入是十种推断方法对每条候选调控边打出的原始分数，涵盖相关性、信息论、稀疏回归和树集成四个技术路线，包括 GENIE3、GRNBoost2、CLR 和 ARACNe。核心想法：在某些边上相关性方法更可信，在另一些边上树集成更准，让分类器逐边学习该给谁更高的权重，而不是对所有边用同样的系数。

验证数据是六组单细胞扰动筛选（single-cell perturbation screen），横跨四种细胞类型。

结果：在靶基因分组交叉验证（target-grouped cross-validation）下，仲裁比均值集成提升了 Adamson 数据集 +0.056 AUROC、Shifrut 数据集 +0.083 AUROC（PMID: 42727749）。提升是真实的，不大。

如果这就是全部，这篇论文大概只是“又一个集成学习的变体”。让它值得细看的是第二个发现。

靶基因泄露与0.060的系统性膨胀

GRN 推断文献的标准评估做法是边级交叉验证（edge-level cross-validation）：把所有候选调控边随机切成训练集和测试集，在测试边上看 AUROC。问题在于，同一个靶基因（比如基因 C）的多条调控边（A→C、B→C）可以同时分布在训练集和测试集里。分类器训练时已经见过“基因 C 作为靶基因时的特征模式”，预测测试集里 B→C 时，这个信息就泄露进来了。

作者改用靶基因分组切分——同一个靶基因的所有边只出现在训练侧或测试侧，不能同时落在两边——重新评估相同的方法。结果：边级交叉验证使表观增益平均虚高了 0.060 AUROC（PMID: 42727749）。

这个数字放在背景里才有感觉。仲裁器在诚实评估下的全部增益在 0.056 到 0.083 之间，而泡沫本身就有 0.060。一篇用边级交叉验证报告了 +0.06 AUROC 提升的 GRN 推断论文，很可能全部增益来自泄露，而不是方法进步。

受害最深的是那些在内部把基因显式参数化的方法，也就是大多数图神经网络和嵌入类方法。这些方法的参数里有每个基因专属的表示，只要靶基因在训练集里出现过，预测它的任何调控边都是“部分已见过”。

图注意力模型：AUROC从0.930到0.533

论文专门测了一个有监督的图注意力（graph-attention）链接预测器。边级交叉验证下，它的 AUROC 是 0.930，比所有其他方法都高，看上去是一次颠覆性进步。

改用靶基因分组切分后：0.533（PMID: 42727749）。

接近随机猜测。差距约 0.4，而 GRN 推断领域里方法间的常规差距往往只在 0.02 到 0.05 这个量级。这类方法在文献里那些漂亮的数字，基本是在测自己已经见过的靶基因。作者的结论直接：只要方法对基因有参数化，就暴露在这个泄露里，“涵盖大多数基于图和嵌入的方法”（PMID: 42727749）。

以后看到某篇 GRN 推断论文用图神经网络实现、AUROC 超过 0.85，先问一句用的是哪种交叉验证。

五类冲突类型学与实操诊断

论文把方法间的分歧归纳成五类诊断类型（five-category typology）。核心观察是：仲裁在方法分歧大的边上增益最明显，在方法一致的边上增益接近零。这意味着分歧大的边本身就是需要额外审查的候选，不用等仲裁器的输出才知道。

作者明确把这个类型学定位为诊断工具，不是建模贡献。读完全篇，这反而是最好落地的一个结论。

还有一个比评估协议更根本的问题：这些广泛使用的扰动筛选数据集里，大多数被扰动的基因根本不是转录因子（PMID: 42727749）。GRN 推断想预测“上游调控因子→下游靶基因”的关系，而如果 ground truth 里大多数“已知调控者”不在调控网络上游，整个训练和评估就是在往偏的方向走。论文用中介筛选（mediation screen）量化了这个上限，但没有给出解决方向。这是领域层面的基准数据问题，换个模型解决不了。

对GRN推断工具选型的实操判断

六组数据集、四种细胞类型，规模算扎实，但全部来自 in vitro 扰动筛选，能不能推到真实组织内的调控关系，论文没有声索。

对正在用 GRN 推断的人，这篇论文的实用结论集中在评估而不是算法。边级切分下的数字整体要打折，图嵌入类方法的折扣可能大到让结果失去意义；均值集成有用，仲裁器的额外增益有限，不值得为此重建流程；方法分歧大的边是需要湿实验验证的重点候选，这个判断直接从材料里来，不依赖仲裁器。

简讯

Ahmed 等人整合人类 GWAS 数据与小鼠耳蜗单细胞 RNA 测序，发现年龄相关性听力损失（age-related hearing loss, ARHL）的感觉性成分相关基因在毛细胞（hair cell）高表达，代谢性成分相关基因在螺旋神经节神经元（spiral ganglion neuron）高表达；亚群分析还提示两类基因在不同年龄段对应不同的细胞亚群（PMID: 42727577）。数据主体来自小鼠模型，人体直接证据尚缺。

Castagnola 等人用两名 DCM（扩张型心肌病，dilated cardiomyopathy）患者和两名健康对照的血液建立 hiPSC 来源心肌细胞（hiPSC-CM）模型，在单细胞分辨率下检测 PKA 和 ERK 生物传感器应答，并测量钙处理、收缩性和电生理差异（PMID: 42728314）。n=4，概念验证性研究，主要价值在于管线可行性，结论不适合外推。

基因调控网络推断交叉验证泄露集成学习单细胞扰动筛选评估方法