基于自适应邻域核学习与生存评估子空间聚类的整合多组学癌症亚型分型

《Engineering Applications of Artificial Intelligence》:Integrative multi-omics cancer subtyping via adaptive neighborhood kernel learning and survival-evaluated subspace clustering

【字体: 大 中 小 】 时间:2026年09月29日 来源:Engineering Applications of Artificial Intelligence 9.0

编辑推荐:

   摘要多组学数据的整合为精准肿瘤学提供了变革性的潜力,通过实现肿瘤的综合性分子特征刻画,然而现有的聚类方法往往难以应对跨组学数据固有的异质几何结构、噪声敏感性和复杂流形结构。我们提出了自适应邻域多核子空间聚类(ANMKSC),这是一个通过三个互补组成部分来应对这些挑战的框架:(

  

摘要

多组学数据的整合为精准肿瘤学提供了变革性的潜力,通过实现肿瘤的综合性分子特征刻画,然而现有的聚类方法往往难以应对跨组学数据固有的异质几何结构、噪声敏感性和复杂流形结构。我们提出了自适应邻域多核子空间聚类(ANMKSC),这是一个通过三个互补组成部分来应对这些挑战的框架:(1) 群体智能引导的核函数选择,动态优化跨组学核函数交互并减轻技术伪影;(2) 聚焦邻域的核学习,保留高置信度局部相似性以捕获内在的全局流形结构;(3) 基于生存评估的子空间分割,其输出结果独立于临床结局进行验证,以实现生物学上连贯的癌症亚型分型。在重复的随机运行中,ANMKSC识别出具有不同回顾性分子和总生存期关联的计算亚型。在所评估的数据集中,它在大多数报告的聚类设置中实现了有竞争力的表现和最佳的生存分层结果。这些发现为进一步在独立队列中验证提供了基础。

引言

癌症是一种分子层面复杂且高度异质性的疾病,不同亚型表现出显著不同的临床轨迹和治疗反应。在分子层面揭示这种异质性是精准肿瘤学目标的核心。随着高通量生物技术的迅速发展,癌症基因组图谱(TCGA)(Goel和Khandnor,2020)和国际癌症基因组联盟(ICGC)(Jennings和Hudson,2016)等项目已为大型患者队列生成了涵盖基因组、转录组、甲基化和蛋白质组等多组学数据的综合谱(Zhang等人,2019)。这些数据集捕获了跨不同生物层次的分子信息,表现出异质性和互补性。整合这些数据源有望提高探索性分析中的可解释性,增强预测能力,并推动精准肿瘤学的发展——最终支持更准确的患者分层和个体化治疗策略的开发。
研究者们已经提出了各种创新的多组学聚类方法用于癌症亚型分型。例如,J. Liu等人(2021)、Ge等人(2023)通过构建样本相似度矩阵,将其转换为Laplacian矩阵,并利用特征向量进行降维和聚类,采用了谱聚类方法。Wang等人(2014)和Ma和Zhang(2017)采用了基于相似性网络的方法,利用多组学网络拓扑和图论算法。同时,Xu等人(2024)和Feng等人(2021)通过多个核函数刻画组学数据相似性,并通过核矩阵融合进行整合。
尽管取得了这些进展,多组学聚类在癌症亚型分型中仍存在三个关键挑战。首先,多组学数据在高维空间中通常表现出复杂的几何结构——包括高度折叠或弯曲的流形——由于几何失真和噪声干扰,远处样本之间的成对相似度估计变得不可靠(Ge等人,2023;Wang等人,2014;Ma和Zhang,2017;Xu等人,2024;Feng等人,2021)。现有方法主要依赖全局相似度度量,容易受到这些失真引入的偏差影响。其次,大多数方法线性组合目标函数分量,这通常无法解决竞争目标之间的冲突,导致次优优化,过度强调全局信息而忽略了准确亚型分型所需的细粒度局部结构模式。第三,虽然正则化和鲁棒损失函数可以部分提高对异常值和技术噪声的抗扰能力(Barron,2019),但在多样化的组学数据质量条件下实现一致的聚类稳定性仍然是一个未解决的挑战。
为应对这些挑战,我们提出了自适应邻域多核子空间聚类(ANMKSC)方法。具体而言,ANMKSC首先从组学数据生成的基础核中学习环境聚焦核,旨在捕获核心局部结构并增强对噪声和异常值的鲁棒性。随后,应用自适应多核子空间聚类算法提取一致性亲和矩阵。在此过程中,我们设计了一种自适应非线性组合目标函数,以提高模型对复杂数据结构的适应能力,同时增强其识别局部特征的能力。此外,我们引入了一种基于群体智能的优化算法,动态组合来自不同组学层的基础核,从而获得最优的输入核并进一步提高聚类准确性。
总之,本文做出了以下贡献:
  • •
    我们设计了一种环境聚焦核的生成策略,保留高置信度局部相似性以学习内在的全局流形结构,同时抑制弱关联样本的干扰,从而增强相似度度量的鲁棒性。
  • •
    我们提出了一种针对目标权重的自适应优化策略,采用一种新颖的非线性方法在多核子空间聚类函数的目标之间实现最优权衡。该策略使权重能够自适应地响应搜索空间中的动态变化,利用邻域数据点的信息以提高局部结构识别能力,同时降低模型复杂度。
  • •
    我们引入了一种基于群体智能的优化算法,能够动态选择具有更高交互性的初始核,更好地适应数据分布,从而产生更准确的聚类结果。
  • •
    在五个多组学数据集上进行了系统实验,并结合回顾性生存分析,展示了在计算癌症亚型分型方面的竞争力表现。
本文其余部分组织如下。第2节简要回顾了相关工作。第3节提出了我们的算法框架。第4节详细报告了五个数据集上的实验结果。最后,第5节对本文进行了总结。

章节摘要

相关工作

多组学整合技术的发展经历了两个主要阶段。在最初的探索阶段,研究者主要采用了两种整合策略。第一种是基于矩阵拼接的整合,即将不同的组学数据矩阵沿特征维度拼接以形成统一的特征表示空间,然后应用k-means或谱聚类等经典算法进行模式识别。一个代表性的

方法

ANMKSC是一个无监督子空间聚类框架;生存结局并未纳入核心子空间学习目标(公式(2))中。基于PSO的核选择步骤将候选核组合与下游生存分层质量进行评估,作为外部适应度判据——类似于面向任务的超参数选择,其中下游指标指导配置选择而无需将标签信息编码到模型参数中。因此,生存

实验

在本节中,我们通过五个多组学数据集上的实验验证了ANMKSC在癌症亚型预测中的有效性。

结论

本文提出了自适应邻域多核子空间聚类(ANMKSC)用于探索性多组学癌症亚型分型。ANMKSC利用群体智能优化选择交互核,构建环境聚焦核以保留高置信度局部相似性,并学习自适应多核子空间分割。所得标签为计算亚型分配,其鲁棒性和不确定性需在每个队列中进行评估。
在

CRediT作者贡献声明

丁晓建:监督、经费获取。孙智瑞:可视化、验证、软件。徐子涵:撰写——初稿。姜猛:方法学。曹辉:验证。

利益冲突声明

作者声明他们与本工作不存在利益冲突。我们声明没有与所提交工作相关的商业或关联利益,从而构成利益冲突。
丁晓建|孙智瑞|徐子涵|姜猛|曹辉
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号