SMCC：一种基于共正则化网络融合的单组学和多组学数据聚类方法

《IEEE Transactions on Computational Biology and Bioinformatics》：SMCC: A Novel Clustering Method for Single- and Multi-Omics Data Based on Co-Regularized Network Fusion

聚类分析在精准医学中的应用研究综述了现有网络融合模型的局限性，提出基于协同正则化的SMCC模型，通过低秩子空间表示和熵优化实现跨空间数据分布一致性最小化，有效降低噪声干扰并提升聚类精度，在16组真实数据集验证中优于17种现有方法。

　　

摘要：

聚类是一种常见的统计数据分析技术，对于精准医学的发展至关重要。已经提出了许多计算方法来整合多组学数据以识别癌症亚型。然而，大多数基于网络融合的现有聚类模型无法保持数据融合前后分布的一致性。受到这一观察的启发，我们希望测量并最小化网络之间的分布差异（这些网络可能不在同一空间中），以提高数据融合的性能。因此，我们开发了一个基于网络融合的灵活聚类模型，该模型通过共正则化来最小化融合前后数据的分布差异；该模型可以应用于单组学和多组学数据。我们提出了一种新的网络融合模型（SMCC），用于基于共正则化网络融合来识别癌症或细胞亚型。SMCC结合了低秩子空间表示和熵来融合网络，并通过共正则化来测量和最小化相似性网络与融合网络之间的分布差异。该模型不仅可以减少源数据中的噪声干扰，还可以使融合结果的统计特征更接近源数据的统计特征。我们在16个真实的单组学和多组学数据集上评估了SMCC的聚类性能。实验结果表明，SMCC优于17种最先进的聚类方法。此外，它在识别癌症或细胞亚型方面非常有效，从而促进了精准医学的发展。

引言

精准医学基于这样的概念：患者可以被分类为不同的亚型，以便为不同的人提供个性化的治疗。例如，识别癌症亚型可以帮助患者获得精确的治疗。由于高通量技术的快速发展，已经收集了大量癌症患者的基因组学、转录组学和表观基因组学数据。然而，整合多组学数据进行聚类仍然是一个具有挑战性的问题。多组学聚类方法可以分为三类。第一类包括基于消息传递算法的方法，如SNF [1]、MSCA [2] 和 ANF [3]。这些方法将多组学数据集的相似性网络融合成一个用于聚类的单一网络。第二类包含涉及数据扰动理论和共识聚类的方法，如PINS [4]、PINSplus [5] 和基于Stiefel流形的方法MCSM [6]。第三类包括基于网络收敛的方法，如使用径向基函数核的NEMO [7] 和CIMLR [8]。据报道，MDICC [9] 在从多组学数据中发现癌症亚型方面具有很强的能力；然而，它仍然存在一些缺点，例如聚类结果分布不均匀以及缺乏对融合前后数据分布一致性的关注。