FastMI-HGNet：一种面向多组学疾病分类的双流异质图神经网络

《Genes》：FastMI-HGNet: A Two-Stream Heterogeneous Graph Neural Network for Multi-Omics Disease Classification

　　

背景/目的：多组学数据集日益用于疾病分类，但各组学层在尺度、分布与分辨率上的差异使整合困难。常规融合方法可能忽略非线性跨组学依赖与结构化的样本–特征关系。研究人员提出FastMI-HGNet，一种用于多组学疾病分类的双流异质图神经网络。方法：该框架利用快速互信息（FastMI）为连接样本节点与特征节点的异质图构建依赖边先验。基于Transformer的数据流捕获向量级特征交互，图注意力流建模样本与分子特征间的结构依赖。不确定性感知集成进一步提升小样本与噪声多组学设定下的稳定性。结果：在ROSMAP、LGG、BRCA及更具挑战性的COAD肿瘤分期分类任务，以及作为上限验证的KIPAN共五个公开多组学基准上评估，FastMI-HGNet取得具竞争力的分类性能并支持可解释的 biomarkers 优先级排序；在BRCA中，基于SHAP的分析突出FOXC1与SOX10等模型优先级基因。结论：FastMI-HGNet支持可解释的多组学疾病分类与biomarker优先级排序。

研究背景与动机

在精准医学中，基于多组学谱的疾病分类是一项重要任务，癌症分子分型是其最具生物学相关性的应用之一。高通量技术使基因组学、表观基因组学、转录组学、蛋白质组学等多组学数据得以收集，但多组学数据固有的异质性——表现为数据分布差异、高维性与有限样本量——给数据整合带来实质挑战。传统统计方法难以捕捉多组学层间复杂非线性交互；早期深度学习（DL）框架多采用无监督表示学习或简单拼接，忽视组学独特分布与相互依赖；后续注意力机制与生物先验策略虽改善跨组学交互，但多在纯向量空间运行，忽略生物数据固有网络结构（如基因共表达、蛋白互作）。图方法（如MOGONET、MoGCN）引入样本或特征节点，但常依赖同质图或分离处理组学，未显式建模样本–特征交互，且小样本高维限制使图模型偏浅。可信多模态学习中动态融合与置信感知策略为解决上述挑战提供启示。为此，研究人员在《Genes》发表本研究，提出FastMI-HGNet，将互信息依赖先验与图表示统一于异质图框架。

主要关键技术方法

研究人员使用Wang等提供的ROSMAP（阿尔茨海默病vs正常）、LGG（II级vs III级低级别胶质瘤）、KIPAN（KICH/KIRC/KIRP三亚型）、BRCA（PAM50五亚型）公开多组学基准，并从UCSC Xena获取TCGA COAD（276例I/II期vs III/IV期）作困难基准；每组学取mRNA、miRNA、DNA甲基化三层，训练集ANOVA F检验选top-2000特征，均值填补与Z-score归一化（统计量仅来自训练集）。核心方法含四块：（1）基于k近邻KSG估计的快速互信息（FastMI）计算跨/同组学特征对非线性依赖，阈值τ=0.3建特征–特征依赖边先验；（2）构建含样本节点、组学特征节点及样本–样本（相关系数>0.7）、样本–特征（|z|>2.0）、特征–特征（FastMI>0.3）三类边的异质图G=(V,E)；（3）双流融合：数据流用线性投影对齐维度后经Transformer编码器得h_data，图流用2层图注意力网络（GAT）得h_graph，门控注意力融合为h_comb；（4）训练M个异构双流模型，以预测熵换算自适应权重做不确定性感知集成，损失为Focal Loss+β·对比损失+λ·标签平滑，Bayesian优化调参，PyTorch 2.6.0于A100训练。

研究结果

3.1 与现有方法性能比较：在ROSMAP（ACC 0.885/F1 0.879/AUC 0.911）、LGG（ACC 0.836/F1 0.838/AUC 0.885）、BRCA（ACC 0.881/F1_weighted 0.885/F1_macro 0.859）、KIPAN（ACC/F1均0.999）及COAD（ACC 0.638/F1_正类 0.655/AUC 0.702）上，FastMI-HGNet在可区分基准显著优于SVM等早融合基线（p<0.01），与Dynamic、CrossTrans等近期深度学习比较器无统计显著差异但标准差最小；KIPAN近可分仅作上限验证。

3.2 模块去除消融：去GNN掉点最大，去Transformer在BRCA等多类任务F1_macro降，去FastMI边先验AUC微降，证三模块互补，图流最核心。

3.3 超参敏感性：τ_FastMI∈[0.2,0.4]、τ_sample∈[0.5,0.9]、τ_feat∈[1.5,2.5]内ACC波动<1%，倒U型，FastMI阈值影响最大，困难任务COAD最敏感。

3.4 统计显著性：Bootstrap 1000次CI显示FastMI-HGNet在区分基准显著优于SVM，与深度学习比较器重叠不显著，优势在跨任务稳定与可解释。

3.5 受控仿真验证FastMI：合成X,Y∈R^200×60植入8对非线性依赖（线性/二次/正弦/分段/立方），FastMI对五类AUROC=1.000±0.000，Pearson在正弦降至0.492±0.178，证互信息估计捕非线性跨组学依赖优于线性相关。

3.6 组学去除消融：单组学最差，双组学提升，三组学（mRNA+miRNA+甲基化）全含最优，证互补。

3.7 Biomarker分析：BRCA中按平均绝对SHAP值排DNA甲基化注释基因，FOXC1、SOX10、TFF1、AGR3居前12；GO富集落于外分泌系统发育、干细胞发育、免疫应答；12基因在五亚型间ANOVA显著（p<0.05），FOXC1/SOX10属基底样标志，TFF1/AGR3属管腔ER+标志，跨轴共存符合PAM50五类设定。

讨论与结论翻译

讨论指出，FastMI-HGNet在五基准具竞争力，BRCA五类ACC 0.881/F1_macro 0.859，COAD无上限基准中标准差最小；三设计选择（FastMI依赖边先验、Transformer+GAT双流、不确定性集成）互补；相较MOGONET等后期融合异质图，本研究从始入显式跨层结构先验；消融示图流去除掉点最大、FastMI为该流关键信号；SHAP辨FOXC1/SOX10等具生物学合理。局限含回顾性队列、FastMI为非方向非因果、仅三层组学、KIPAN近可分、局部特征混合增广不保生物协方差。未来可并入KEGG/Reactome通路或PPI、扩蛋白组/代谢组/数字病理、独立多中心验证。

结论：FastMI-HGNet提供一种FastMI引导的异质图框架用于多组学疾病分类。通过耦合依赖边先验、图表示学习、Transformer数据流与不确定性感知集成，框架整合多组学层向量级与图结构信息。公开基准评估支持其在分子分类与候选biomarker优先级排序中的效用。未来工作将扩展至更多组学层、独立队列及预后或治疗响应预测任务。