《Computational Biology and Chemistry》：PROMISE-Surv: Proteomics-Guided Survival Representation Transfer for Deployable Transcriptomic Cancer Modeling
编辑推荐：
•蛋白质层面的生存风险可迁移至RNA+临床模型。•学生模型在三个癌症队列中保留了教师模型的风险排序。•外部证据支持LUAD生存及KIRC进展的生物学机制。•八个保守的RNA风险标志物指向RNA加工程序。•临床协变量在个体水平判别中仍然更强。引言据估计，2022年全球新增癌症病
• 蛋白质层面的生存风险可迁移至RNA+临床模型。
• 学生模型在三个癌症队列中保留了教师模型的风险排序。
• 外部证据支持LUAD生存及KIRC进展的生物学机制。
• 八个保守的RNA风险标志物指向RNA加工程序。
• 临床协变量在个体水平判别中仍然更强。
引言 据估计，2022年全球新增癌症病例2000万例，癌症死亡970万例（Bray等人，2024）。癌症异质性反映了遗传、表观遗传、细胞及微环境等过程的相互作用（Hanahan，2022）。因此，年龄、分期及其他临床病理变量仍然是评估分子指标附加预后价值的重要参照（Liu等人，2018；Herrmann等人，2021）。
多组学分析通过揭示癌症谱系、增殖状态、免疫微环境及致癌通路组织方式，支持疾病亚型分类、生物标志物发现及机制解读（Hasin等人，2017；Hoadley等人，2018；Thorsson等人，2018；Sanchez-Vega等人，2018）。然而，由于翻译调控、蛋白降解及其他转录后过程的存在，RNA丰度仅部分反映蛋白丰度（Vogel和Marcotte，2012；Liu等人，2016）。因此，蛋白质组学和磷酸化蛋白质组学检测能够捕获仅凭RNA无法显现的功能组织结构和信号活性（Mertins等人，2016；Gerritsen和White，2021；Zhang等人，2022；Savage等人，2024）。
不同队列的分子覆盖范围存在差异：TCGA提供了广泛的分子和临床数据（Cancer Genome Atlas Research Network等，2013），而CPTAC则提供了深度表征的蛋白基因组学资源和统一的分析流程（Li等人，2023；Rudnick等人，2016）。成本、检测灵敏度及研究设计限制了RNA、蛋白及磷酸化蛋白的匹配测量（Flores等人，2023），这促使从蛋白丰富的发现队列向更大的RNA+临床队列进行迁移。生存模型的开发还取决于样本量、结局事件数及候选预测变量的数量（Riley等人，2019）。基准研究还表明，临床信息仍具有高度竞争力，额外的组学层面可能冗余或无信息（Herrmann等人，2021；Li等人，2024）。
现有集成方法包括患者相似性融合、潜在因子建模及有监督特征集成，代表性方法有相似性网络融合（SNF）、MOFA+和DIABLO（Wang等人，2014；Argelaguet等人，2020；Singh等人，2019）。由于这些方法优化不同的目标，不应将其视为可互换的生存预测器；高维度、检测异质性、模型选择不完整测量仍是主要挑战（Rappoport和Shamir，2018；Leng等人，2022）。插补和部分观测模型可应对缺失模态（Flores等人，2023），但重建某一检测并不能本身证明保留了与生存相关的风险。知识蒸馏（Hinton等人，2015）和仅在训练期间可用信息的多模态学习（Chen等人，2022）则支持将学习到的目标迁移至可部署的学生模型。
相关生存分析框架包括Chaudhary等人的TCGA肝癌模型、DeepProg和MultiSurv（Chaudhary等人，2018；Poirion等人，2021；Vale-Silva和Rohr，2021）。DeepProg可处理重叠特征，而MultiSurv显式地容纳了缺失模态。其他不完整组学方法也曾使用蒸馏进行生存分组分类和药物反应预测（Ranjbari和Arslanturk，2023；Li等人，2025）。尚未解决的问题是：能否将从审查生存结局中学习的、连续且受蛋白质信息启发的风险迁移至常规可用的输入，同时保留可解释的生物学意义。由于已发表研究在终点和数据划分方面存在差异，我们采用传统Cox模型作为各研究内部的定量基线。
我们开发了PROMISE-Surv，以检验能否将CPTAC/PDC中发现的蛋白质层面生存风险排序迁移至RNA+临床学生模型，而无需重建缺失的检测数据。发现队列与TCGA部署队列在LUAD、KIRC和HNSC之间配对，而独立GEO数据集则对锁定标志物程序提供了特定终点的压力测试。我们的评估明确将迁移保真度和生物学恢复与预后优越性的声明区分开来。
本研究做出四项贡献。第一，它采用蛋白质组学作为特权发现信息，提出了生存风险迁移的框架。第二，它实现了显式的教师-学生工作流，在统一的分子特征空间上进行训练划分模型选择。第三，它在内部和外部对临床模型和RNA+临床模型进行了基准比较，包括置信区间、配对检验、校准和效应量。第四，它通过TCGA的RNA/RPPA程序、蛋白引导的标志物发现、阴性对照及锁定的GEO验证来评估生物学保留程度。
章节摘要 研究设计、队列、终点及临床变量 PROMISE-Surv作为一个从发现到部署的生存迁移框架，在肺腺癌（LUAD）、透明细胞肾细胞癌（KIRC）和头颈鳞状细胞癌（HNSC）中进行了评估。发现阶段使用了来自已发表蛋白基因组学研究（Gillette等，2020；Clark等，2019；Huang等，2021）的CPTAC/PDC肿瘤样本，包含匹配的临床、RNA、蛋白质组学及磷酸化蛋白质组学数据。部署阶段使用了相应的TCGA队列，仅包含临床和RNA数据；经整理的
评估标准 我们在固定的层级结构中评估了PROMISE-Surv。主要标准为留出集的判别能力（带不确定性估计的Harrell C指数）和外部连续风险关联（HR及95% CI）。次要标准包括1年、3年和5年的AUC、Brier摘要、校准、中位数分割Kaplan-Meier分离及校正后的Cox关联。迁移保真度通过教师-学生Spearman相关系数来量化。生物学保留通过FDR校正的RNA/RPPA程序关联来评估，
讨论 我们的研究结果区分了学习到的生存风险表征的保留与预后表现的改善。在LUAD、KIRC和HNSC中，PROMISE-Surv在发现样本中保留了教师模型导出的风险排序，并在TCGA中恢复了癌症特异性的RNA/RPPA通路关联。然而，内部判别能力与临床Cox模型相当，外部则较低。这些结果支持将受蛋白质信息启发的生物学研究扩展至RNA+临床
结论与未来工作 PROMISE-Surv提供了一个框架，用于将受蛋白质信息启发的生存风险表征迁移至RNA+临床队列，并利用该表征来优先排序生物学程序和标志物。在三个癌症类型中，结果支持迁移可行性和部分生物学可移植性，同时显示外部判别能力有限，且在年龄和分期之外的预后价值不确定。目前，该框架最适合用于生物学研究和假设
数据与代码可用性 CPTAC发现阶段的访问号为：LUAD PDC000153/PDC000149、KIRC PDC000127/PDC000128和HNSC PDC000221/PDC000222（蛋白质组/磷酸化蛋白质组）（Gillette等，2020；Clark等，2019；Huang等，2021），可在
//pdc.cancer.gov/pdc/ 上获取。
伦理声明 所有分析数据集均为公开发布且已去标识化。本研究未招募新参与者，所有分析均依赖于原始研究报告的伦理审批和知情同意程序。
生成式AI及AI辅助技术使用声明 在稿件撰写和修改过程中，作者使用了ChatGPT协助语言编辑并提高清晰度。作者负责审查和验证修改后的内容，并对论文的准确性、完整性和学术质量承担全部责任。
生成式AI及AI辅助技术使用声明 在本稿件准备过程中，作者使用了ChatGPT-5进行语言增强并提升稿件流畅度。使用此工具/服务后，作者仔细审查并编辑了内容。作者对此论文的内容承担全部责任，确保其准确性、完整性和学术质量。
作者贡献声明 Doan Phuong Quy Nguyen：可视化、验证、调查、正式分析、初稿撰写。Nguyen Tuong Ho：数据整理、可视化、验证、调查。Hoang Dang Khoa Ta：修改与编辑、可视化、方法学、正式分析、调查、软件、概念构思。
资金支持 本研究未获得公共、商业或非营利部门资助机构的专项资助。
CRediT作者贡献声明 Hoang Dang Khoa Ta： 修改与编辑、验证、软件、方法学、正式分析、概念构思。Nguyen Tuong Ho： 可视化、验证、调查、数据整理。Doan Phuong Quy Nguyen： 初稿撰写、可视化、验证、调查。
利益冲突声明 作者声明，不存在任何已知的竞争性经济利益或个人关系可能影响本文所报告的工作。
Doan Phuong Quy Nguyen | Nguyen Tuong Ho | Hoang Dang Khoa Ta
