[论文解读] Subtype-Former: a deep learning approach for cancer subtype discovery with multi-omics data

Hai Yang, Yuhang Sheng+5 more|arXiv (Cornell University)|Jul 28, 2022

Bioinformatics and Genomic Networks被引用 4

一句话总结

Subtype-Former 提出了一种深度学习框架，结合多层感知机（MLP）和 Transformer 块，从多组学数据中提取低维表示，以提升癌症亚型发现的准确性。在 TCGA 的 10 种癌症类型上进行评估，其在基于生存的亚型划分中优于当前最先进的方法，并鉴定了 50 个用于精准肿瘤学的关键生物标志物。

ABSTRACT

Motivation: Cancer is heterogeneous, affecting the precise approach to personalized treatment. Accurate subtyping can lead to better survival rates for cancer patients. High-throughput technologies provide multiple omics data for cancer subtyping. However, precise cancer subtyping remains challenging due to the large amount and high dimensionality of omics data. Results: This study proposed Subtype-Former, a deep learning method based on MLP and Transformer Block, to extract the low-dimensional representation of the multi-omics data. K-means and Consensus Clustering are also used to achieve accurate subtyping results. We compared Subtype-Former with the other state-of-the-art subtyping methods across the TCGA 10 cancer types. We found that Subtype-Former can perform better on the benchmark datasets of more than 5000 tumors based on the survival analysis. In addition, Subtype-Former also achieved outstanding results in pan-cancer subtyping, which can help analyze the commonalities and differences across various cancer types at the molecular level. Finally, we applied Subtype-Former to the TCGA 10 types of cancers. We identified 50 essential biomarkers, which can be used to study targeted cancer drugs and promote the development of cancer treatments in the era of precision medicine.

研究动机与目标

• 为应对高维、异质性多组学数据带来的准确癌症亚型划分挑战。
• 开发一种能够整合多样化组学数据（如基因组学、转录组学）的深度学习模型，以实现稳健的分子亚型划分。
• 通过多组学数据整合，识别具有生物学意义的癌症亚型，从而提高生存预测的准确性。
• 通过发现不同癌症类型间保守的分子模式，实现泛癌症分析。
• 识别一组 50 个关键生物标志物，这些标志物在精准医学中具有靶向治疗开发的潜力。

提出的方法

• 采用结合多层感知机（MLP）和 Transformer 块的混合架构，以捕捉多组学数据中的复杂模式。
• 在 Transformer 块中使用注意力机制，以捕捉不同组学层之间的长程依赖关系和特征交互。
• 通过学习到的表示进行降维，将高维组学数据提炼为低维且信息丰富的嵌入表示。
• 在学习到的表示上应用 K-means 和一致性聚类，以获得稳定且具有生物学可解释性的癌症亚型。
• 将多种组学数据类型（如 DNA 甲基化、基因表达、拷贝数变异）整合到统一的表示空间中。
• 通过生存分析和跨癌症比较，验证亚型划分的稳定性和生物学相关性。

实验结果

研究问题

• RQ1 结合 MLP 和 Transformer 架构的深度学习模型是否能通过多组学数据提升癌症亚型划分的准确性？
• RQ2 在包含超过 5,000 例肿瘤的基准 TCGA 数据集上，Subtype-Former 与当前最先进的方法相比表现如何？
• RQ3 Subtype-Former 在多种癌症类型中识别出的亚型在生物学上是否一致且具有预后差异？
• RQ4 区分所识别亚型的关键分子特征（生物标志物）是什么？这些标志物是否与靶向治疗相关？
• RQ5 该模型能否在泛癌症分析中揭示不同癌症间保守的分子模式？

主要发现

• 在包含超过 5,000 例肿瘤样本的 TCGA 数据集中，Subtype-Former 在癌症亚型划分准确性上优于现有最先进的方法。
• 该模型在生存预测性能方面表现更优，表明所识别的亚型在生物学和临床上具有重要意义。
• 在泛癌症分析中，Subtype-Former 揭示了不同癌症类型间共享的分子特征，突显了保守的生物通路。
• 该方法在 TCGA 的 10 种癌症类型中鉴定了 50 个关键生物标志物，这些标志物可能成为精准癌症治疗的潜在靶点。
• 对学习到的表示应用一致性聚类，产生了稳定且可重复的亚型，增强了结果的可信度。
• MLP 和 Transformer 组件的集成，使模型能够从高维、异质性的组学数据中有效学习表示。