编辑推荐：
在疾病异质性研究中，为解决现有特征选择方法难以揭示新亚型的问题，研究人员开展 “Preserving Heterogeneity（PHet）” 方法研究。结果显示，该方法能有效识别疾病亚型，且性能优于传统方法。这为疾病机制研究和个性化治疗提供了新途径。
在生命科学领域，疾病的复杂性一直是科研人员面临的重大挑战。随着生物医学研究的深入，人们逐渐认识到疾病并非单一的实体，而是包含多种不同的亚型。这些亚型在疾病的发生、发展和对治疗的反应上存在显著差异。以癌症为例，不同亚型的肿瘤细胞可能具有不同的基因表达模式、代谢特征和对药物的敏感性。如果不能准确识别这些亚型，就可能导致治疗方案的不准确，影响患者的治疗效果。此外，在神经退行性疾病、心血管疾病等领域，疾病的异质性同样给诊断和治疗带来了巨大困难。传统的特征选择方法在面对高维的组学数据时，往往难以准确捕捉疾病的异质性，也无法有效发现新的疾病亚型。因此，开发一种能够准确识别疾病亚型的方法迫在眉睫。
为了解决这些问题，来自波士顿儿童医院血管生物学项目、哈佛医学院外科的研究人员 Abdur Rahman M. A. Basher、Caleb Hallinan 和 Kwonmoo Lee 开展了一项重要研究。他们提出了一种名为 Preserving Heterogeneity（PHet）的统计方法，该方法通过迭代子采样和四分位数间距的差异分析，结合 Fisher 方法，能够识别出一小部分增强亚型聚类质量的特征。相关研究成果发表在《Nature Communications》上。
研究人员在开展研究时，运用了多种关键技术方法。首先是数据预处理，对组学数据进行筛选，保留表达量在 1% 以上样本和特征的非零数据，并进行对数转换。然后采用深度度量学习（Deep Metric Learning，DML），利用 UMAP 或 PCA 降维、k-means 聚类构建三元组，通过三元组损失学习特征嵌入。此外，还运用了多种聚类算法（如 k-means、谱聚类）和评估指标（如 F1、调整兰德指数 ARI 等）对算法性能进行评估 。数据来源包括多个公开的单细胞转录组和微阵列基因表达数据集。
研究结果如下：
- 识别组学数据中的 HD 特征：通过深度度量学习，研究人员发现了一种新的特征 —— 异质性保留判别（HD）特征，它结合了差异表达（DE）和差异可变（DV）的特性。在 Patel 数据集的分析中，HD 特征在聚类性能上表现出色，其调整兰德指数（ARI）达到 82.67%，V-measure 为 79.36%，优于 DE、HV 等其他特征，这表明 HD 特征在捕捉样本异质性方面具有独特优势。
- PHet 方法概述：PHet 方法主要包括迭代子采样、Fisher 联合概率检验、增强特征判别力、特征统计和阈值设定、特征显著性分析以及下游分析六个步骤。通过对多个数据集的测试，确定了其默认超参数，α 设为 0.01，w 为 (0.4, 0.3, 0.2, 0.1)，在这种设置下，平均 ARI 得分可达 61.02%，且平均保留 395.1 个特征，在聚类效果和特征数量之间达到了较好的平衡。
- 评估 PHet 在识别单细胞和患者亚型中的性能：研究人员将 PHet 与多种现有方法进行对比，结果显示，PHet 在识别亚型方面表现优异，平均 ARI 得分超过 65.72%，F1 得分具有竞争力，且选择的特征数量较少（平均少于 300 个）。在单细胞转录组数据集分析中，PHet 在六个数据集中均表现出较高的 ARI 和 F1 值，优于其他方法；在微阵列基因表达数据集分析中，尽管所有算法性能普遍较低，但 PHet 仍能在选择较少特征的同时，获得超过 60% 的平均 ARI 得分。
- PHet 组件的消融研究：对 PHet 的组件进行消融研究发现，同时包含 Fisher 得分、ΔIQR 绝对值和特征判别力这三个主要组件时，PHet 在微阵列和单细胞转录组数据集上的平均 ARI 得分分别超过 60% 和 75%，表现最佳，这突出了这些组件在亚型检测中的重要性。此外，迭代子采样组件对聚类结果也至关重要，去除该组件会导致性能下降。
- 评估 PHet 在模拟数据上的判别性能：在模拟数据实验中，PHet 和 PHet (ΔDispersion) 在检测重要特征方面表现稳健，保留的信息特征较少。研究结果表明，IQR 统计量在捕捉 DE 特征方面比离散度更有效，进一步证明了 PHet 方法的有效性。
- 分析 PHet 识别低信号标记的能力：在识别低信号标记的实验中，PHet 展现出了一定的竞争力，能够在其前 20 个特征中识别出 10 个真正的生物标志物，而一些传统的离散度特征选择和部分 DE 及异常值检测算法则表现较差。
- PHet 揭示气道上皮细胞的分化谱系：利用两个呼吸道气道上皮的单细胞 RNA 测序数据集，研究人员发现 PHet 能够揭示小鼠和人类气道上皮细胞的不同分化轨迹。例如，在人类支气管上皮细胞（HBECs）数据集中，PHet 显示出两种不同的基底到管腔分化轨迹，并且与特定供体相关；在小鼠气管上皮细胞（MTECs）数据集中，PHet 也识别出两种可区分的细胞轨迹，且这些轨迹与细胞的再生功能相关。
- PHet 有效识别 MTECs 数据集中基底细胞的亚群：在 MTECs 数据集的研究中，PHet 基于其特征识别出四个不同的基底细胞簇，获得了最高的轮廓系数（47%）。这些基底细胞簇具有不同的基因表达谱和生物学功能，表明 PHet 能够准确反映细胞分化的发育轨迹，而传统的预注释标记和基于离散度的 HV 特征在识别基底细胞亚群方面存在不足。
研究结论和讨论部分指出，疾病特异性亚型的发现对于理解疾病机制、开发个性化治疗方案至关重要。PHet 方法克服了现有方法的局限性，能够在保留样本异质性的同时有效识别疾病亚型。该方法不仅在单细胞转录组和微阵列基因表达数据上表现出色，还能应用于多种条件和不同组学测量。然而，该方法也存在一定的局限性，例如需要对数据进行预处理以去除批次效应，且在评估算法性能时依赖于 LIMMA 选择的特征，这可能引入不确定性。尽管如此，PHet 方法为疾病亚型的研究提供了新的思路和方法，有助于推动生命科学和健康医学领域的发展，为未来的疾病诊断和治疗提供更有力的支持。
