تشخیص زودهنگام بیماری های نادر چندژنی: رویکردی یکپارچه مبتنی بر گراف های زیستی، شبکه های عصبی گرافی (GNN) و مدل های زبان بزرگ زیستی (Bio-LLMs)

بیماری های نادر چندژنی (Polygenic Rare Diseases - PRDs) به دلیل پیچیدگی ساختاری و اثر هم افزایی ده ها یا صدها ژن، یک چالش عمده در تشخیص و مداخله زودهنگام محسوب می شوند. روش های سنتی ژنتیکی اغلب در شناسایی الگوهای تعاملی پیچیده و ناهمگن شکست می خورند. این مقاله یک چارچوب محاسباتی نوآورانه و یکپارچه را برای تشخیص زودهنگام PRDs معرفی می کند که سه مولفه کلیدی را ترکیب می کند: مدل سازی ساختار بیولوژیکی با استفاده از گراف های زیستی (Biological Graphs)، استخراج ویژگی های مکانی-عملکردی با شبکه های عصبی گرافی (GNNs)، و ادغام دانش بیولوژیکی متنی با مدل های زبان بزرگ زیستی (Bio-LLMs). سیستم پیشنهادی، که آن را BioGraph-Fusion (BGF) می نامیم، ابتدا روابط ژن-ژن، پروتئین-مسیر و ناهنجاری های ژن-فنوتیپ را به صورت یک گراف چندوجهی (Multi-modal Heterogeneous Graph) کدگذاری می کند. سپس، GNNها برای یادگیری بازنمایی های غنی از ویژگی های نهفته استفاده می شوند. در نهایت، خروجی GNN به عنوان ورودی کنتکستی به یک Bio-LLM (مانند BERT-based یا GPT-like) داده می شود تا تصمیم نهایی تشخیص با در نظر گرفتن تعاملات پیچیده و شواهد متنی موجود در ادبیات پزشکی صورت گیرد. ارزیابی ها بر روی مجموعه داده های شبیه سازی شده و واقعی (شامل داده های توالی یابی و فنوتیپی) نشان می دهد که BGF عملکرد تفکیک پذیری (AUC) بالاتری نسبت به روش های مبتنی بر امتیازدهی تک ژنی (Polygenic Risk Scores - PRS) و مدل های صرفا یادگیری عمیق ارائه می دهد، به ویژه در شناسایی زیرگروه هایی از بیماران با علائم اولیه مبهم.