Журнал «Отинофф»
Граф похожести биологических образцов с группами пациентов, выбросами и связями по генным, белковым и метаболическим данным

Граф похожести: как проверить группы пациентов и биообразцов

Биоинформатика 17 июля 2026 г.

Перед исследователем лежат несколько таблиц. В одной — работа генов в образцах, в другой — количество белков, в третьей — следы веществ, появившихся в клетках в ходе обмена. Строки длинные, чисел много, а главный вопрос простой: какие образцы действительно похожи друг на друга — и по каким признакам?

Источник: Graph machine learning for integrated multi-omics analysis | British Journal of Cancer

Для этого используют граф похожести: карту, где каждый пациент или биологический образец становится точкой, а линии между точками показывают степень их близости по выбранным данным.

Практический смысл не в красивой схеме. Такая карта помогает не потерять повторяющиеся группы, заметить необычные образцы и проверить, не противоречат ли друг другу разные биологические измерения. Но прежде чем доверять карте, нужно понять, какие именно данные в неё попали и что авторы анализа назвали «похожестью».

Что человек увидит в работе вместо длинной таблицы

Обычная таблица отвечает на вопрос: какое значение стоит в этой ячейке? Например, насколько активен конкретный ген в конкретном образце. Но когда генов тысячи, а образцов десятки или сотни, смотреть на ячейки по одной почти бесполезно.

Граф меняет точку зрения. Вместо попытки прочесть всю таблицу исследователь видит соседства:

  • какие образцы собрались в плотную группу;
  • какой образец похож сразу на нескольких соседей;
  • какие точки стоят отдельно;
  • где сходство видно по одному виду данных, но не подтверждается другим.

В такой карте точка — это один объект: пациент, проба ткани, клеточная линия или иной образец. Связь между двумя точками — это запись о том, что объекты достаточно похожи по заранее выбранному правилу. В математике такую связь называют ребром графа, но в работе проще думать о ней как о линии между соседями на карте.

Важно не путать карту с медицинским выводом. Если два образца находятся рядом, это не означает, что у людей одинаковый диагноз, прогноз или подход к лечению. Карта говорит только о сходстве измеренных данных. Всё остальное требует отдельной проверки специалистами, клинического контекста и качественных исходных данных.

Что именно показывает граф похожести

Представим, что у лаборатории есть 40 образцов. Для каждого измерили активность множества генов. Ген здесь можно понимать как участок наследственной информации, связанный с производством определённой биологической инструкции. Экспрессия гена — это условный показатель того, насколько активно эта инструкция считывается в образце.

Сначала для каждой пары образцов считают, насколько они похожи. Если у двух образцов сходный рисунок активности многих генов, их можно соединить линией. Если сходство слабое, линии может не быть вовсе или она будет обозначена как менее значимая.

Получается не список «первый похож на второй», а сеть отношений. В ней могут появиться три понятные картины:

Что видно на карте Как это можно прочитать Что стоит проверить
Плотная группа точек Несколько образцов похожи по выбранным измерениям Не возникла ли группа из-за одинакового способа подготовки проб
Одна удалённая точка Образец заметно отличается от остальных Нет ли ошибки измерения, путаницы маркировки или редкого биологического случая
Две группы с небольшим числом связей В данных есть два разных типа профилей Сохраняется ли разделение при проверке других данных
Мост между группами Один или несколько образцов похожи на обе группы Не скрывается ли переходное состояние или смешение сигналов

Сходство не возникает само по себе: его задаёт человек, который строит анализ. Он решает, какие показатели сравнивать, как привести их к сопоставимому виду и сколько соседей оставить у каждой точки. Поэтому граф — не фотография природы, а результат прозрачного набора правил.

Это не делает метод плохим. Напротив, полезный граф позволяет обсуждать правила открыто: почему именно эти образцы оказались рядом, какие данные на это повлияли и изменится ли результат при другой настройке.

Зачем соединять гены, белки и вещества в одной карте

Один и тот же образец можно описать несколькими способами. Активность генов показывает, какие биологические инструкции в данный момент считываются. Белки — рабочие молекулы, которые выполняют многие процессы в клетке. Метаболиты — небольшие вещества, остающиеся после химических реакций и участвующие в обмене веществ.

Каждая таблица показывает только часть картины. По активности генов два образца могут выглядеть похожими, а по белкам — заметно различаться. Это не обязательно ошибка: между считыванием генетической инструкции и появлением белка есть много промежуточных процессов.

Поэтому в исследованиях нескольких типов биологических данных используют не одну карту, а несколько связанных карт. В одной образцы соединены по активности генов, в другой — по белкам, в третьей — по метаболитам. Затем исследователь смотрит, где соседства совпадают, а где расходятся.

В научной литературе этот подход рассматривается как часть анализа объединённых многослойных биологических данных. В частности, публикация в British Journal of Cancer посвящена применению методов работы с графами для интегрированного анализа нескольких видов таких измерений.

Для руководителя лаборатории или владельца биотехнологического проекта здесь важен простой вывод: больше таблиц не означает автоматически больше ясности. Новые данные полезны, только если понятно, как они подтверждают, уточняют или ставят под сомнение уже найденное сходство.

Как строится карта близости без лишней математики

Полезно представить городскую карту. Каждый дом — это образец. Между домами проводят дороги не по географической близости, а по сходству их биологических профилей. Чем больше совпадений, тем ближе дома на такой условной карте.

Работа обычно идёт в следующей последовательности.

  1. Определяют объект сравнения. Это могут быть образцы ткани, клетки, пациенты или отдельные измерения. Смешивать разные объекты в одной карте без ясного правила нельзя.
  2. Выбирают признаки. Например, активность генов, количество белков или состав метаболитов. Признак должен быть измерен сопоставимо у всех объектов.
  3. Приводят таблицу в порядок. Убирают явные технические сбои, проверяют пропуски, единицы измерения и различия между сериями измерений. Иначе карта может показать не биологию, а разницу между приборами или днями работы лаборатории.
  4. Задают меру близости. В повседневном языке это ответ на вопрос: что именно считать похожим? Два образца могут быть близки по общему рисунку значений, по совпадению ключевых признаков или по другому разумному правилу.
  5. Оставляют содержательные связи. Если соединить каждую точку со всеми остальными, карта превратится в клубок. Поэтому обычно сохраняют наиболее близких соседей или связи выше выбранного порога.
  6. Проверяют карту на устойчивость. Если после небольшой смены правила все группы исчезают или меняются местами, вывод слишком хрупкий для серьёзной интерпретации.

Иногда исследователи используют слово расстояние. Это не километры и не время в пути, а число, показывающее, насколько различаются два профиля. Чем меньше такое условное расстояние, тем ближе точки на карте.

Ещё один термин — пространство признаков. За сложным выражением стоит простая идея: у каждого образца есть длинный набор координат из чисел. Когда этот набор сокращают до нескольких удобных осей для обзора, говорят о скрытом, или латентном, пространстве. Это не «тайное знание» о пациенте, а упрощённая схема, которая помогает увидеть соседства в очень сложных данных.

Почему близкие точки могут обмануть

Самая частая ошибка — принять техническое сходство за биологическое. Допустим, одну часть образцов обработали утром на одном приборе, другую — вечером на другом. Если различия между приборами оказались сильнее различий между самими образцами, граф честно нарисует две группы. Но это будут группы по способу измерения, а не по свойствам клеток.

Есть и другие причины для осторожности.

Во-первых, сходство зависит от выбранных признаков. Карта, построенная по активности генов, может отличаться от карты по белкам. Это не обязательно противоречие, но повод разобраться, что именно измеряет каждый слой данных.

Во-вторых, небольшое число образцов легко создаёт убедительно выглядящие, но неустойчивые группы. Если в одной группе всего несколько точек, особенно важно не приписывать ей большое значение без независимой проверки.

В-третьих, граф всегда упрощает картину. Когда исследователь оставляет только ближайшие связи, он делает сеть читаемой, но может скрыть слабые, хотя и интересные отношения между группами.

В-четвёртых, сама мера сходства содержит выбор. Два профиля могут быть похожи по форме изменения, но различаться по абсолютным уровням. Другой способ подсчёта даст другую сеть — и это нужно не скрывать, а фиксировать в отчёте.

Иногда в описаниях встречаются слова «лапласиан графа» или «связанный оператор». За ними стоит попытка учесть не только каждую точку отдельно, но и натяжение всей сети: как изменения в одном месте согласуются с ближайшими соседями. Для читателя важнее не формула, а контрольный вопрос: помогает ли этот расчёт объяснить видимые связи, или просто делает модель сложнее без понятного выигрыша?

Какие вопросы задавать, прежде чем доверять карте

Граф похожести особенно полезен не тогда, когда его используют как окончательный вердикт, а когда он помогает задать хорошие вопросы к данным.

Проверка доверия и контроля:

  • Что является точкой на карте: пациент, образец, клетка или техническое измерение?
  • По каким данным определено сходство: генам, белкам, метаболитам или их сочетанию?
  • Были ли образцы подготовлены и измерены одинаково, или карта может отражать разницу между сериями?
  • Какие связи сохранены, а какие отброшены — и почему?
  • Повторяется ли найденная группа при другой разумной настройке или на независимых данных?
  • Кто отвечает за интерпретацию результата и где зафиксировано, что карта не является диагнозом?

Этот список полезен и для заказчика анализа. Не обязательно самостоятельно считать расстояния между тысячами показателей. Достаточно попросить команду показать, какие исходные решения привели к карте, что было проверено на технические искажения и какие выводы остаются предположениями.

Что можно сделать на этой неделе

Если в вашей организации уже есть несколько биологических таблиц, начните не с покупки нового инструмента и не с попытки построить сложную модель. Начните с инвентаризации.

Соберите в одном документе ответы на четыре вопроса: какие образцы сравниваются, какие данные по ним есть, кто и когда их измерял, что именно команда хочет узнать из сопоставления. Затем выберите один узкий вопрос: например, существуют ли в наборе устойчиво похожие группы образцов или есть ли точки, требующие повторной проверки.

После этого попросите представить результат в двух формах: в виде карты соседств и в виде обычной таблицы с объяснением, почему конкретные образцы соединены. Если карта нельзя объяснить через исходные данные, она пока годится только как повод для дальнейшей проверки, а не как основание для решения.

Главная ценность графа похожести — не в терминах и не в эффектной визуализации. Он превращает вопрос «что значат эти тысячи чисел?» в более проверяемый вопрос: «кто здесь похож на кого, по каким данным и выдерживает ли это сходство повторную проверку?»

Источники

Что почитать дальше

Теги

Андрей Отинов

Рекомендуем