生存分析不再回归结局:SOSM把多组学数据排成低曲率流形,184例肾癌队列折外分层显著
核心概要
生存分析长期把删失的生存时间当作标签做监督回归,在高维小样本下容易过拟合。SOSM把表示学习与生存标签解耦:用对比损失对齐RNA、DNA甲基化和miRNA三种组学视图,再用伪时间加权的图拉普拉斯惩罚把患者嵌入压到低曲率流形上,生存标签只用于折外评估。在184例透明细胞肾细胞癌多组学队列的五折交叉验证中,冻结嵌入配合惩罚Cox模型在留出测试折上仍能显著区分高低风险组。
深度剖析
SOSM把每位患者的多组学剖面投影到一个16维潜空间,让预后相近的患者在几何上彼此靠近,而不是让网络直接回归生存时间。 此前的生存模型从比例风险模型到深度网络都把生存时间当作外部标签来拟合,在特征数千、事件数很少的高维小样本场景下容易过拟合;无监督的因子分析和网络融合能降维,却通常丢掉时间动态。 在184例完全匹配的TCGA-KIRC队列上,冻结编码器嵌入配合惩罚Cox模型在五折交叉验证的留出测试折上仍能区分预后,作者报告其判别能力明显优于直接对潜嵌入做K-Means离散分组。
训练目标由两部分组成:一部分让同一患者的三种组学视图在潜空间中相互对齐,另一部分惩罚潜空间中相邻患者的曲率,使患者沿平滑轨迹排列。 对齐项采用归一化温度缩放交叉熵损失,温度设为0.1;曲率项以单样本基因集富集分析得到的预后伪时间为核构建高斯核,再取归一化图拉普拉斯投影的平方Frobenius范数作为惩罚。 伪时间代理由RNA模态中增殖与免疫浸润标志基因聚合而成,与原始临床生存时间的线性相关性接近零,说明初始方向并非结局标签的简单替代;训练在500个epoch内损失单调下降,未出现表示坍缩。
高风险与低风险患者在潜流形上的局部耗散不同,风险分层对应流形上的几何分离。 按折外Cox部分风险的第75百分位划分高低风险组后,合并全队列中高风险组总体生存显著更差,Mantel-Cox对数秩检验给出显著分离。 在最优折严格留出的测试集上,高风险组与低风险组仍保持显著分层;作者同时报告高风险组的平均局部曲率耗散高于低风险组,把这一差异读作流形上的结构塌缩。
启示与展望
演示范围是184例完全匹配的TCGA-KIRC多组学队列,含RNA-seq、DNA甲基化与miRNA-seq,总体事件率26.09%,评估采用固定随机种子的五折交叉验证,生存标签仅用于折外评估和训练折上的一位极性校准。
初始流形方向依赖转录组单样本基因集富集分析构造的伪时间代理,并以训练折上的一位极性校准对齐符号;该代理与临床生存时间线性相关性接近零,属于未校准的启发式。作者提出用最优传输理论导出的内在熵映射替代这一领域特定启发式,并把验证扩展到更大规模的多中心临床队列以及非生物的工业与金融系统列为后续方向。
