用于阿尔茨海默病的多尺度图神经网络

阿尔茨海默病（AD）是一种复杂的进行性神经退行性疾病，特征为细胞外 A\b{eta} 斑块、神经纤维 tau 缠结、胶质细胞激活和神经元变性，涉及多种细胞类型和通路。当前模型往往忽视这些通路的细胞背景。为解决此问题，我们利用跨越从衰老到 AD 全谱系供体的脑组学数据，开发了一个多尺度图神经网络（GNN）模型 ALZ PINNACLE。ALZ PINNACLE 基于 PINNACLE GNN 框架，该框架在统一潜在空间中学习感知上下文的蛋白质、细胞类型和组织表示。ALZ PINNACLE 在 14,951 个蛋白质、206,850 个蛋白质相互作用、7 种细胞类型和 48 种细胞亚型或状态上进行训练。预训练后，我们研究了 AD 最大遗传风险因子 APOE 在不同细胞类型中的学习嵌入。值得注意的是，APOE 嵌入在小胶质细胞、神经元和 CD8 细胞中显示出高相似性，提示 APOE 在这些细胞类型中具有相似作用。在 AD 风险基因上微调模型揭示了预测 APOE 在 AD 中作用的细胞类型背景。我们的结果表明，ALZ PINNACLE 可能为揭示 AD 神经生物学的新见解提供有价值的框架。