基于层次结构组分模型(HisCoM)的多项表型通路分析方法研究及其在组学数据中的应用

为解决多项表型通路分析中单通路模型的局限性，研究人员开发了层次结构组分模型(HisCoM)的拓展方法HisCoM-Categ。该方法通过多元广义线性模型框架，同时整合生物标志物层级结构和通路相关性，成功应用于代谢组和宏基因组数据，显著提升多项无序/有序分类表型的通路检测效能，为复杂疾病机制研究提供新工具。

　　

这项研究突破传统单通路分析框架，提出层次结构组分模型(HisCoM)的拓展版本——HisCoM-Categ，专门用于解析具有多个无序(名义)或有序(等级)分类的多项表型(multinomial phenotypes)与通路的关系。

研究背景揭示，现有大多数通路分析方法仅关注单一通路，忽视通路间复杂的相互作用。HisCoM创新性地采用分层建模策略：第一层捕捉生物标志物(biomarkers)在通路内的聚集效应，第二层量化通路间的相关性。该方法已成功应用于连续型、计数型和二分类表型分析。

针对更复杂的多项表型场景，研究团队基于多元广义线性模型(multivariate generalized linear models)构建HisCoM-Categ。通过模拟研究证实，相较于传统方法，新模型在统计功效(power)方面表现优异。在实证分析中，采用代谢组学(metabolomic)和宏基因组学(metagenomic)两组组学(omics)数据集验证：前者鉴定出与多项代谢表型相关的关键代谢通路；后者则成功捕捉微生物群落功能通路与宿主有序分类表型的关联模式。

特别值得注意的是，该方法对有序分类表型(ordinal multinomial phenotypes)的分析展现出独特优势，能有效识别渐进性生物过程相关的通路特征。这些发现为理解复杂疾病(如代谢综合征、肠道菌群紊乱)的分子机制提供了新的分析视角和工具。