[论文解读] Integrate Any Omics: Towards genome-wide data integration for patient stratification

Shihao Ma, Andy G.X. Zeng+4 more|arXiv (Cornell University)|Jan 15, 2024

Cancer Genomics and Diagnostics被引用 5

一句话总结

IntegrAO 是一个用于在部分重叠患者图和图神经网络的基础上整合不完整的多组学资料的无监督框架，能够对患者进行细分并在部分数据的新样本上实现准确分类。

ABSTRACT

High-throughput omics profiling advancements have greatly enhanced cancer patient stratification. However, incomplete data in multi-omics integration presents a significant challenge, as traditional methods like sample exclusion or imputation often compromise biological diversity and dependencies. Furthermore, the critical task of accurately classifying new patients with partial omics data into existing subtypes is commonly overlooked. To address these issues, we introduce IntegrAO (Integrate Any Omics), an unsupervised framework for integrating incomplete multi-omics data and classifying new samples. IntegrAO first combines partially overlapping patient graphs from diverse omics sources and utilizes graph neural networks to produce unified patient embeddings. Our systematic evaluation across five cancer cohorts involving six omics modalities demonstrates IntegrAO's robustness to missing data and its accuracy in classifying new samples with partial profiles. An acute myeloid leukemia case study further validates its capability to uncover biological and clinical heterogeneity in incomplete datasets. IntegrAO's ability to handle heterogeneous and incomplete data makes it an essential tool for precision oncology, offering a holistic approach to patient characterization.

研究动机与目标

• 在不丢弃样本或不插补数值的前提下处理不完整的多组学数据。
• 开发一种无监督框架，将部分重叠的组学图融合为统一的患者嵌入。
• 使得对具有部分组学数据的新患者能够准确分类到预定义的亚型。
• 在多个癌症队列和组学模态上证明鲁棒性。
• 通过案例研究和生存/药物反应分析验证生物学和临床相关性。

提出的方法

• 使用节点为患者、边为成对相似性来构建每个组学的患者图。
• 迭代地融合部分重叠的图以创建融合的组学特定图。
• 使用组学特定的图神经网络编码器来学习低维患者嵌入。
• 在共享空间中对齐不同组学的嵌入并取平均以获得整合嵌入。
• 可选地使用一个 MLP 头进行微调，以实现对新患者的有监督亚型预测。
• 在仿真（部分重叠）和真实癌症队列（包括 AML）以及六种组学模态上进行评估。

实验结果

研究问题

• RQ1 IntegrAO 能否在不丢弃样本的情况下稳健地整合部分重叠的多组学数据？
• RQ2 IntegrAO 将具有不完整组学数据的新患者分类到预定义亚型的能力有多强？
• RQ3 整合后的亚型是否揭示出超越单一组学分析的临床和生物学意义的异质性？
• RQ4 IntegrAO 在多种癌种和组学模态下是否具备可扩展性和有效性？
• RQ5 缺失数据模式对聚类质量以及生存/药物反应相关性的影响是什么？

主要发现

• IntegrAO 在模拟的部分重叠场景中优于 NEMO 和 MSNE。
• IntegrAO 通过整合 mRNA、DNA 甲基化和细胞层级数据，识别出 12 个生物学和临床上不同的 AML 亚型。
• 整合后的亚型在生存区分和临床富集方面优于单一数据类型。
• 在包含部分数据的五种 TCGA 癌种中，IntegrAO 相较于竞争对手在差异生存和临床富集方面更可靠。
• 在新患者分类中，IntegrAO 在多种组学组合下优于 MLP、SVM、XGBoost、Random Forest 和 KNN。
• IntegrAO 能实现模态-无关推断，在不完整数据下维持较强的性能。