用于跨模态多组学整合的多变量随机森林

多组学研究已被广泛应用于生物医学研究的诸多领域。在许多疾病中，某些信号在不同数据类型之间是共享的，而另一些信号则在单一组学层中最为显著。当前的多组学聚类方法通常要么将所有数据类型合并为单一表征，这可能会模糊那些在某一层中较强的生物学特征；要么依赖线性结构，从而可能遗漏跨数据类型更为复杂的关系。我们提出了 multiRF，这是一种基于随机森林的方法，能够处理复杂数据类型，并将多组学数据中的共享结构与模态特异性结构分离开来。multiRF 通过多变量随机森林学习跨组学层的样本相似性，在不同数据类型之间对其进行整合，并利用所得权重估计每个组学层中可由其他组学层预测的部分。其余残差则被视为模态特异性信号，从而允许对共享相似性和模态特异性相似性分别进行聚类。在模拟实验中，multiRF 在恢复共享聚类方面与已有整合方法表现相当甚至更优，同时在非线性数据结构下能够更可靠地分离模态特异性信号。在 TCGA 头颈部鳞状细胞癌数据中，共享成分与既有参考分类中的主要亚型结构一致，而基因特异性和 miRNA 特异性成分则揭示了额外的免疫和发育生物学信息。在 ADNI 队列中，针对配对的血液 DNA 甲基化和结构性 MRI 数据，共享的跨模态衰老信号与未来进展为轻度认知障碍或阿尔茨海默病相关，而 DNA 甲基化特异性的残差信号则显示出探索性的附加信息。这些结果表明，multiRF 能够恢复共同的疾病轴，同时保留特定于单一数据类型的、具有生物学意义的信号。multiRF 已作为开源 R 软件包发布，地址为 https://github.com/novawz/multiRF。

该网站正在使用一项安全服务来保护自身免受在线攻击。您刚刚执行的操作触发了该安全解决方案。可能触发此拦截的行为有多种，包括提交某个特定词语或短语、SQL 命令或格式错误的数据。

您可以向网站所有者发送电子邮件，告知您被拦截了。请在邮件中说明该页面出现时您正在进行的操作，并附上本页底部显示的 Cloudflare Ray ID。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.17.732933v1?rss=1

🏷️ 多组学整合 随机森林 跨模态分析 聚类分析 非线性建模 生物医学数据