过敏、病毒感染与哮喘中的多组学整合:生物信息学工具的综合评估

《Frontiers in Bioinformatics》:Multi-omics integration in allergy, viral infections and asthma: a comprehensive analysis of bioinformatics tools

【字体: 大 中 小 】 时间:2026年09月22日 来源:Frontiers in Bioinformatics 3.6

编辑推荐:

  过敏性和炎症性呼吸道疾病是影响大量人群的复杂异质性疾病。尽管组学技术已能够识别潜在生物标志物,但基于单一组学的方法往往无法捕捉这些疾病的全部复杂性。多组学整合提供了更全面的视角;然而,由于可用工具范围广泛且生物数据集存在变异性,选择最合适的工具仍具挑战性。在本

  
过敏性和炎症性呼吸道疾病是影响大量人群的复杂异质性疾病。尽管组学技术已能够识别潜在生物标志物,但基于单一组学的方法往往无法捕捉这些疾病的全部复杂性。多组学整合提供了更全面的视角;然而,由于可用工具范围广泛且生物数据集存在变异性,选择最合适的工具仍具挑战性。在本研究中,研究人员比较了针对这些疾病的不同整合方法,评估其性能和功能,以确保在异质数据集上进行稳健客观的评估。方法:研究人员在四个异质性呼吸道疾病数据集中比较了多种多组学整合工具。在数据集特异性预处理(包括过滤、插补和归一化)后应用无监督方法。整合在匹配的代谢组学、蛋白质组学和转录组学层面进行。使用调整兰德指数(Adjusted Rand Index, ARI)评估性能。结果:无监督方法在不同数据集间表现出可变的性能。NEMO始终实现最准确的临床表型聚类,而MOFA和intNMF在特定情境下表现良好。结论:研究结果表明,NEMO、intNMF和MOFA是过敏性和呼吸道疾病多组学整合的有前景工具,因为它们能有效捕获不同组学层面的互补信息,并促进识别与疾病表型相关的协调分子特征。总体而言,这些结果强调根据研究目标和数据集特征选择整合方法的重要性。
论文解读:过敏、病毒感染与哮喘中多组学整合工具的综合评估

一、研究背景与意义

过敏性疾病源于对环境抗原的免疫应答失调,受到复杂的遗传与环境相互作用影响。随着高通量技术的进步,组学技术能够在不同分子水平上获取海量数据,为系统层面解析疾病机制提供了可能,并推动了精准医学在疾病诊断、治疗定制和预后预测方面的发展。然而,在过敏性疾病等复杂疾病中,单一组学分析往往难以捕捉分子间关键的相互作用。整合转录组学、蛋白质组学和代谢组学等多层组学数据,可以为理解生物系统的复杂性提供更全面的视角,有助于识别与疾病表型相关的分子网络和生物标志物。尽管多组学整合在肿瘤学领域已得到较广泛应用,但在过敏性疾病领域仍处于起步阶段,且缺乏标准化的整合流程。不同的数据来源和测量技术导致数据在尺度、结构及分布上存在显著差异,加之各组学层在分析中的贡献不一,使得选择最合适的整合方法成为一项重大挑战。因此,系统评估现有无监督整合工具在不同呼吸道疾病数据集中的表现,具有重要的方法学意义和临床转化价值。

二、研究内容与总体结论

研究人员选取了四个具有不同疾病类型、样本规模、临床分组和表型分类的炎症性呼吸道疾病公开数据集,系统评估了八种广泛使用的多组学无监督整合工具,包括相似性网络融合(Similarity Network Fusion, SNF)、基于邻域的多组学聚类(Neighbourhood-based multi-omics clustering, NEMO)、多共惯性分析(Multiple Co-inertia Analysis, MCIA)、moCluster、用于数据整合和疾病亚型分型的扰动聚类(Perturbation clustering for data INtegration and disease Subtyping, PINSPlus)、整合非负矩阵分解(Integrative non-negative matrix factorization, intNMF)、多组学因子分析(Multi-Omics Factor Analysis, MOFA)以及稀疏偏最小二乘法(sparse Partial Least Squares, sPLS)。研究使用调整兰德指数(Adjusted Rand Index, ARI)对各工具聚类结果与临床表型标签的一致性进行量化评估,并通过置换检验评估统计显著性。结果表明,NEMO、intNMF和MOFA是过敏性和呼吸道疾病多组学整合的有前景工具,其中NEMO综合表现最优,但工具的选择需依据研究目标和数据集特征而定。

三、主要关键技术方法

研究人员使用了基于相似性的方法(SNF、NEMO、PINSPlus)、基于矩阵分解和降维的方法(moCluster、intNMF、sPLS)以及基于贝叶斯概率模型的方法(MOFA)等三类不同方法论框架的代表性工具。四个数据集分别为:COVID-19数据集(纳入263例患者,含靶向蛋白质组学和非靶向代谢组学)、Long COVID-19数据集(含28例对照和117例患者,包括细胞因子、靶向蛋白质组学和靶向代谢组学)、严重哮喘数据集(含Mepolizumab治疗前和Omalizumab治疗前各18例和16例患者的血清样本,包含靶向蛋白质组学和靶向代谢组学)以及草花粉过敏数据集(含6例对照和18例不同严重程度患者,包括非靶向代谢组学和转录组学)。数据预处理采用数据集特异性策略,包括缺失值过滤、K近邻(K-Nearest Neighbors, KNN)插补和Z-score归一化。评估指标采用ARI,其值域为-1到1,1表示完美一致,0表示随机聚类。

四、研究结果

(一)COVID-19严重程度的最佳聚类由MOFA实现

在COVID-19数据集的两个时间点分析中,MOFA在所有评估工具中表现最佳(T1:ARI=0.574,p<0.001;T2:ARI=0.540,p<0.001),能够有效聚类与疾病严重程度相关的样本。在基线时间点,NEMO、SNF和MOFA的ARI值均超过0.450。当仅比较极端临床表型(轻症与重症)时,上述三种工具均实现了清晰的样本分离,提示极端表型的组学差异更为显著。

(二)在Long COVID-19中,NEMO识别出具有临床意义的聚类

在Long COVID-19数据集中,NEMO以ARI=0.617(p<0.001)的突出表现优于其他所有方法,准确将对照组、急性期和恢复期样本分为三个与临床分组高度一致的簇,最有效地捕获了Long COVID-19的异质性。PINSPlus也取得了较高ARI值(>0.492),但其聚类结构与临床分组的对应关系较弱。

(三)intNMF揭示严重哮喘的潜在亚表型

在严重哮喘数据集中,intNMF取得了最高的ARI值(>0.5,p<0.050),但将两种临床治疗组别分为四个簇:pre-Mepolizumab患者主要分布于簇1和簇2,pre-Omalizumab患者主要集中于簇3,而簇4包含两组混合患者。这一结果提示在既定临床分类之外可能存在额外的生物学异质性。moCluster获得第二高ARI(ARI=0.268,p<0.001),其聚类结果与临床分组更为接近,且p值最低。

(四)moCluster和PINSPlus在草花粉过敏中捕获临床相关的分层

在草花粉过敏数据集中(使用前5000个基因),NEMO(ARI=0.403,p<0.001)和SNF(ARI=0.364,p<0.001)将样本分为两组,一组富集对照和轻度病例,另一组富集中度和重度病例。PINSPlus识别出三个与临床严重程度部分对应的簇。尽管多数工具未能完全恢复四级临床分类结构,但成功捕获了与疾病严重程度相关的生物学分层。使用前2000个基因的结果与使用前5000个基因的趋势高度一致。

(五)方法性能的跨数据集比较

跨数据集分析显示,NEMO、SNF和intNMF的中位ARI值最高(>0.350),NEMO的总ARI最高(2.476),其次为intNMF(2.283)和SNF(2.059)。仅NEMO和MOFA在至少两个数据集中ARI值超过0.500,显示出在异质生物学情境中的稳健性。相关矩阵结果显示,在多数数据集中SNF与NEMO的聚类结果高度一致,moCluster的中位ARI值最低。

五、讨论与结论

讨论指出,多组学整合工具的性能受数据集特征(样本量、变量数、临床分组区分度等)和预设临床分类的影响。moCluster在小样本数据集中表现较佳,而NEMO、intNMF和SNF在多样化的炎症性呼吸道数据集中展现出广泛的适用性。MOFA因能提供特征水平的贡献度信息,有助于识别与内型相关的潜在生物标志物。研究也存在局限性,包括数据预处理缺乏标准化、未能涵盖细菌感染或自身免疫性疾病等其他炎症性疾病,以及临床分类本身可能存在主观性问题。在严重哮喘数据集中,聚类结果提示重症嗜酸性哮喘内部可能存在与既定分类不同的生物学内型;中间疾病类别(如中度)患者可能呈现混合表型,难以仅凭临床标准进行分类。综上所述,NEMO在根据临床表型对患者进行分层方面持续优于其他评估方法,但多组学整合方法的有效性可能取决于数据集特征以及预设临床分类是否充分反映潜在生物学机制。因此,本研究强调在选择最合适的数据整合方法时,必须兼顾数据集特征和分析目标,多组学整合可为完善患者分层和个体化诊疗决策提供重要的补充生物学信息。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号