药物诱导转录组数据的降维方法性能评估：揭示分子机制与剂量效应的关键工具

本研究针对药物诱导转录组数据的高维特性分析难题，系统评估了30种降维(DR)方法在CMap数据集中的表现。研究人员通过四种实验条件（不同细胞系、药物、分子作用机制(MOA)和剂量）验证发现，t-SNE、UMAP、PaCMAP和TRIMAP能有效区分药物响应和靶点相似性，而PHATE和Spectral在剂量依赖性分析中表现突出。该研究为药物机制解析和精准剂量优化提供了方法学指导。

　　

在药物研发领域，理解药物如何通过调控基因表达发挥治疗作用至关重要。药物诱导的转录组数据能揭示分子作用机制(MOA)、预测疗效和识别脱靶效应，但这类数据通常包含数万个基因的表达量，形成高维复杂矩阵。如何从海量数据中提取关键生物学信息，成为制约药物研究的瓶颈。传统降维方法如主成分分析(PCA)虽广泛应用，但其在药物特异性转录模式识别中的性能尚未系统评估。随着CMap等大型药物基因组数据库的建立，亟需建立标准化的降维分析流程来挖掘这些宝贵资源。

为此，Yuseong Kwon团队在《Scientific Reports》发表研究，首次对30种降维方法在药物转录组数据中的表现进行系统评估。研究采用CMap数据库中9种细胞系的2,166个药物处理样本（涵盖12,328个基因的z-score数据），通过四种实验场景测试方法性能：跨细胞系的药物响应、单细胞系的多药物处理、不同MOA药物处理以及剂量梯度实验。关键技术包括聚类验证指标（DBI、Silhouette、VRC）、外部验证指标（NMI、ARI）和距离保持度分析，所有方法均采用默认参数在Python 3.10环境下实现。

研究结果

生物相似性在降维空间中的保持

通过DBI、Silhouette和VRC三项内部验证指标发现，PaCMAP、TRIMAP、t-SNE和UMAP在保持药物响应特征方面表现最优，其聚类紧密度与分离度评分显著高于传统PCA。这些方法能清晰区分如热休克蛋白抑制剂geldanamycin与tanespimycin、组蛋白去乙酰化酶(HDAC)抑制剂vorinostat与entinostat等靶点相似的药物对。

降维后聚类性能评估

采用层次聚类等五种算法验证显示，t-SNE在2维嵌入空间表现最佳，其标准化互信息(NMI)达0.95。值得注意的是，对于涉及IKK抑制剂等广谱作用药物的MOA分类任务，所有方法NMI均低于0.7，反映复杂MOA的转录组特征存在固有重叠。

降维结果的可视化解读

UMAP和t-SNE生成的二维可视化最能区分细胞类型特异性药物响应，如将A549与HT29细胞系的处理样本明确分离。对于剂量梯度数据，PHATE通过热扩散模型构建的连续轨迹能最佳反映vancomycin等治疗窗狭窄药物的浓度依赖性变化。

嵌入维度对分析的影响

t-SNE在2维时性能最优，但随维度提升（4-32维）其NMI下降15%；而PaCMAP和TRIMAP在不同维度均保持稳定，显示更强的适应性。计算效率评估显示UMAP耗时最长，PHATE内存占用最高。

结论与展望

该研究确立了t-SNE、UMAP、PaCMAP和TRIMAP作为分析离散药物响应的首选工具，而PHATE和Spectral更适合剂量响应研究。这些发现为药物重定位、MOA预测和精准给药提供了方法学支持。未来需结合深度学习模型（如变分自编码器）进一步提升对复杂剂量效应的解析能力。研究强调应根据具体科学问题选择降维方法——离散分类任务优先选用局部结构保持方法，而连续变化分析需侧重全局拓扑保持算法。