稳定性驱动的多组学整合用于可重复的潜在结构

高维多组学数据整合为表征复杂生物系统提供了新的机遇。尽管抽样变异性常常会削弱研究发现，尤其是在小样本队列中，但由此推导出的潜在结构的可重复性和可推广性仍缺乏充分评估。 我们提出了一种用于多组学整合的稳定性驱动框架，该框架将稀疏广义典型相关分析与重复交叉验证、样本外投影，以及对组分层面和特征层面稳定性的系统评估相结合。我们将该框架应用于甲状腺癌病例-对照队列（n = 162）中的非靶向代谢组学数据和 Olink 靶向炎症蛋白质组学谱。 我们的稳定性驱动整合识别出具有可重复性的代谢组学和蛋白质组学潜在组分，这些组分在样本外疾病关联中表现出一致性，并能够追踪相对于诊断时间呈时间结构化的变化。所提出的框架为识别可重复的潜在结构提供了一种可推广的策略，从而提高多组学研究中生物学推断的稳健性。

高维多组学数据整合为表征复杂生物系统提供了新的机遇。尽管抽样变异性常常会削弱研究发现，尤其是在小样本队列中，但对于所提取潜在结构的可重复性与可推广性仍缺乏充分评估。我们提出了一种用于多组学整合的稳定性驱动框架，该框架将稀疏广义典型相关分析与重复交叉验证、样本外投影，以及对组分层面和特征层面稳定性的系统评估相结合。我们将该框架应用于甲状腺癌病例-对照队列（n = 162）中的非靶向代谢组学和 Olink 靶向炎症蛋白质组学谱。我们的稳定性驱动整合方法识别出了具有可重复性的代谢组学和蛋白质组学潜在组分，这些组分表现出一致的样本外疾病关联，并能够追踪相对于诊断时间呈时间结构性变化的模式。所提出的框架为识别可重复的潜在结构提供了一种具有可推广性的策略，从而提高多组学研究中生物学推断的稳健性。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.23.734064v1?rss=1

🏷️ 多组学整合 稳定性分析 稀疏广义典型相关分析 代谢组学 蛋白质组学 甲状腺癌