[论文解读] Multi-View Variational Autoencoder for Missing Value Imputation in Untargeted Metabolomics

Zhao Chen, Kuan‐Jui Su+14 more|PubMed|Oct 12, 2023

Metabolomics and Mass Spectrometry StudiesBiochemistry, Genetics and Molecular Biology参考文献 33被引用 3

一句话总结

本文提出了一种多视角变分自编码器（MVAE），整合全基因组测序（WGS）数据、多基因风险评分（PGS）以及连锁不平衡修剪的SNP，以填补非靶向代谢组学中缺失的代谢物值。通过在共享潜在空间中联合建模基因组和代谢组特征，该方法在71.55%的代谢物上实现了R² > 0.01，显著优于传统填补技术。

ABSTRACT

The integration of WGS data in metabolomics imputation not only improves data completeness but also enhances downstream analyses, paving the way for more comprehensive and accurate investigations of metabolic pathways and disease associations. Our findings offer valuable insights into the potential benefits of utilizing WGS data for metabolomics data imputation and underscore the importance of leveraging multi-modal data integration in precision medicine research.

研究动机与目标

• 解决非靶向代谢组学数据集中缺失值的问题，这些问题会损害数据质量并影响下游分析。
• 探索将全基因组测序（WGS）数据与代谢组学整合，以提高填补精度。
• 开发一种多模态深度学习框架，联合建模基因组和代谢组特征，以提升填补性能。
• 在已知存在缺失值的实证代谢组学数据集上评估该方法的有效性。
• 展示多视角表征学习在精准医学和系统生物学中的实用性。

提出的方法

• 该方法采用多视角变分自编码器（MVAE）联合建模三种数据视图：负荷评分、多基因风险评分（PGS）以及来自WGS数据的连锁不平衡修剪SNP。
• 从基因组特征（负荷评分、PGS和修剪后的SNP）中学习潜在表征，以捕捉共享和互补的信息。
• MVAE通过端到端训练，利用源自基因组数据的共享潜在空间来重建缺失的代谢物值。
• 通过深度神经网络进行特征提取，将多视角基因组输入编码为低维潜在空间。
• 通过解码潜在表征来预测非靶向代谢组学数据中缺失的代谢物强度，实现填补。
• 该模型利用SNP、PGS与代谢物水平之间的相关性结构，提升填补的鲁棒性。

实验结果

研究问题

• RQ1 将全基因组测序（WGS）数据与代谢组学整合，能否提高非靶向代谢组学中缺失值填补的准确性？
• RQ2 多视角变分自编码器与传统填补方法相比，在处理缺失代谢物值时表现如何？
• RQ3 负荷评分、PGS和LD修剪SNP在多大程度上能联合增强代谢物填补的潜在表征学习？
• RQ4 通过MVAE联合建模多组学数据，是否能带来更可靠且具有生物学意义的填补结果？
• RQ5 MVAE框架在R²和各类代谢物的一致性方面表现如何？

主要发现

• 所提出的MVAE方法在使用35个源自负荷评分、PGS和LD修剪SNP的模板代谢物时，对71.55%的代谢物实现了R² > 0.01。
• 该方法在填补性能上显著优于传统填补技术，尤其在恢复具有生物学意义的代谢物模式方面表现突出。
• 整合WGS数据显著提高了数据完整性，并减少了下游代谢组学生分析中的偏差。
• MVAE学习到的潜在空间有效捕捉了基因组风险因素与代谢物水平之间的潜在生物学关系。
• 该模型在各类代谢物类别中均表现出稳健性能，表明其在非靶向代谢组学中具有广泛适用性。
• 结果凸显了多模态数据整合在提升精准医学应用中代谢组学数据可靠性的价值。