基于基准的多组学整合聚类方法在结直肠癌亚型识别中的应用

摘要 背景与目的 结直肠癌（CRC）是一种异质性恶性肿瘤，给全球的发病率和死亡率带来了重大负担。传统的肿瘤-淋巴结-转移分期系统存在一定的局限性。随着组学技术的进步，研究人员正专注于开发更精确的多组学分子分类。因此，主张在CRC中利用无监督的多组学整合聚类方法，建立一个全面的基准和实用指南。在本研究中，我们从TCGA数据库获取了CRC的多组学数据，包括DNA甲基化、基因表达和蛋白质表达。然后，我们根据实际的多组学相关性，生成了具有各种结构的互相关联的CRC多组学数据，并使用补充基准对早期整合、中期整合和晚期整合等八种代表性方法进行综合评估，以分类准确性为依据。最后，我们采用这些方法整合真实世界的CRC多组学数据，生存分析和差异分析用于突出新识别出的多组学亚型之间的差异。 结果 通过深入比较，我们观察到相似性网络融合（SNF）在整合来自模拟的多组学数据方面表现出色。此外，SNF有效地将CRC患者区分为五个亚组，并具有最高的分类准确性。此外，我们发现SNF亚型之间存在显著的生存差异和分子差异。 结论 研究结果一致表明，SNF在CRC多组学整合聚类中优于其他方法。SNF亚型之间显著的生存差异和分子差异为CRC异质性的多组学视角提供了新的见解，并可能对临床治疗具有潜在意义。代码及其实现可在GitHub上获取 https://github.com/zsbvb/Comparison-of-Multiomics-Integration-Methods-for-CRC.