基于POISE-X基准框架的子宫内膜癌分子分型多组学特征选择评估：简约特征组合未超越简单模型

《Cancers》：A Leakage-Controlled Benchmark of Metaheuristic Multi-Omics Feature Selection for Reconstructing TCGA Molecular Subtypes in Endometrial Cancer

　　

简要摘要

子宫内膜癌可分为四种分子亚型，这些亚型有助于预测预后并指导治疗。这些亚型可以通过基因组数据进行推断，但此类数据仅包含数百名患者的数十万个测量值，这很容易导致高估模型的性能。我们构建了 POISE-X——一种经过精心控制的测试框架——并借助该框架比较了 19 种搜索算法，这些算法从 369 名患者的数据中选择出一组少量具有信息量的测量指标。这些算法减少了所需的测量数量，但没有一种算法的分类效果优于使用所有候选测量指标的简单模型。基于临床中使用的分类规则（POLE 突变、错配修复缺陷和 TP53 突变）的三指标规则在所有方法中平均得分最高。因此，POISE-X 有助于研究人员公平地比较特征选择方法，但所选择的标记物组合尚不适合临床应用。

摘要

背景：由癌症基因组图谱（TCGA）定义的子宫内膜癌四种分子亚型可通过多组学数据进行重建，但此类数据包含约 460,000 个特征，仅对应 369 名患者，亚型分布不均衡，且特征选择容易泄露测试集信息。方法：我们开发了 POISE-X——一种具有信息泄露控制和失衡感知的基准测试流程，配备可互换的元启发式搜索引擎。利用 369 名 TCGA-UCEC 患者的 RNA-seq、miRNA、DNA 甲基化、拷贝数变异、突变及临床数据，我们在嵌套五折交叉验证下比较了 19 种优化器，每折内部预先筛选至 2505 个候选特征，并采用宏平均 适应度函数。结果：在基于折均值的 Friedman 检验中，各优化器的性能存在差异（）。没有一种选择的特征组合超过了基于全部候选特征池的逻辑回归模型，该模型宏平均 达 0.902；我们选择规则选出的精简配置 POISE-GWO 保留了 443 个特征，宏平均 为 0.880；选择规则本身在留一折外评估下得分为 0.881；而 ANOVA 排名筛选出的 450 个特征组合达到 0.886。这些结果在去除临床变量后仍然成立，并且在测试的两种搜索方式中，简约度权重为 0.8–0.99 时结果一致。基于 POLE 外切酶结构域突变、错配修复缺陷和 TP53 突变构建的临床分子分类替代方案，宏平均 达 0.924，平均高于所有多组学模型。结论：因此，在本队列中，包裹式搜索虽然压缩了特征集，但并未增加判别能力，所选择的特征组合重建的是已有分类，而非新的治疗相关标志物。POISE-X 是一个用于基准测试特征选择策略的框架；任何所选特征组合在临床应用前都需要外部验证。