DNASE1L3作为MASLD向肝细胞癌进展的关键靶点：多尺度鉴定与机制研究

本文提出了一种高效的多视图离散聚类方法FMDC（Fast Multi-view Discrete Clustering），通过锚点生成（K-means++）、对称双随机相似矩阵构建和双求解器设计，解决了传统多视图图聚类中计算复杂度高（O(n3)）和信息偏差问题。该方法在效率（线性复杂度O(n)）和效果（无需后处理）上显著优于现有技术，为生物医学大数据分析提供了新工具。

　　

Highlight

本研究揭示了DNASE1L3在代谢相关脂肪性肝病（MASLD）向肝细胞癌（HCC）进展中的关键作用，通过多尺度分析证实其作为治疗靶点的潜力。

Section snippets

Preliminaries and Related Works

符号定义：矩阵M的第i行记为mⁱ，Frobenius范数‖M‖_F=√tr(M^TM)。

Fast Single-view Discrete Clustering

当D为单位矩阵时，式(5)等价于式(6)，通过命题1将问题转化为平方Frobenius损失形式：

min_Y∈Ind‖S-Y(Y^TY)^-1Y^T‖_F²

Proposition 1

式(12)与式(11)的等价性通过矩阵迹运算性质得证。

Optimization

采用交替方向法迭代优化变量（算法1），分两步求解目标函数(17)。

Discussion

从锚点生成（K-means++优于传统K-means）、收敛性、复杂度（线性O(n)）和初始化四方面讨论方法优势。

Experiments

在Win10/i7-7700/64GB/Matlab环境下验证，FMDC在6个真实数据集上效率提升3-5倍。

Conclusion

本方法通过视图特异性锚点生成和双求解器设计，首次实现无需后处理的直接离散聚类，为生物医学多组学数据整合分析提供新范式。

（注：原文中数学符号和算法细节已按生命科学领域表述习惯调整，保留关键公式逻辑）