将多组学复杂性转化为多发性骨髓瘤的稀疏预后生物标志物

多发性骨髓瘤（MM）表现出显著的分子异质性，然而当前的风险分层主要依赖于细胞遗传学或单一组学特征，这些方法往往无法捕捉跨层级调控的复杂性。我们重新分析了一项整合拷贝数、转录组、蛋白质组和磷酸化蛋白质组数据的多组学数据集，以解析常见基因组驱动改变如何沿分子级联过程传播。监督分类结果表明，下游分子层，尤其是蛋白质组和磷酸化蛋白质组，比原始基因组或转录组数据能够更准确地对基因组事件进行分类。值得注意的是，仅反式作用特征即足以实现分类，这表明尽管直接剂量效应在RNA水平上有所体现，但下游网络响应主导了蛋白质组状态。多组学因子分析（MOFA2）识别出一个连续的潜在轴，该轴可在独立于R-ISS的情况下预测无进展生存期和总生存期。该因子捕捉到了一个受免疫浸润和NSD2表达调节的gain(1q)/del(13q)轴，并整合了全部四种数据模态中的变异。为推动临床转化，我们利用弹性网络回归构建了稀疏的单模态替代指标。一个RNA替代指标高度忠实地重现了该多组学因子，并在已发表的微阵列和RNA测序队列中得到独立验证，显示出跨越不同治疗时代的稳健预后效用。这些发现表明，多组学整合能够揭示被单一组学分析所掩盖的隐藏预后轴，而稀疏替代指标则可弥合复杂发现与临床实施之间的鸿沟。

多发性骨髓瘤（MM）表现出显著的分子异质性，然而当前的风险分层仍依赖于细胞遗传学或单一组学特征，而这些方法往往无法捕捉跨层级调控的复杂性。我们重新分析了一个整合拷贝数、转录组、蛋白质组和磷酸化蛋白质组数据的多组学数据集，以解析常见基因组驱动改变如何沿分子级联过程传播。监督分类结果表明，下游层级，尤其是蛋白质组和磷酸化蛋白质组，相较于原始基因组或转录组数据，能够更准确地对基因组事件进行分类。值得注意的是，仅反式作用特征即足以实现分类，这表明尽管直接剂量效应体现在RNA水平，但下游网络响应主导了蛋白质组状态。多组学因子分析（MOFA2）识别出一条连续的潜在轴，其对无进展生存期和总生存期具有预测作用，且独立于R-ISS。该因子捕捉到一条受免疫浸润和NSD2表达调节的gain(1q)/del(13q)轴，并整合了全部四种组学模态的变异。为实现临床转化，我们采用弹性网络回归构建了稀疏的单一模态替代指标。一个RNA替代指标高度重现了该多组学因子，并在已发表的微阵列和RNA测序队列中得到独立验证，显示出跨治疗时代稳健的预后效用。这些发现表明，多组学整合能够揭示被单一组学分析所掩盖的隐性预后轴，而稀疏替代指标则可弥合复杂发现与临床实施之间的差距。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.21.746155v1?rss=1

🏷️ 多发性骨髓瘤 多组学整合 预后生物标志物 蛋白质组学 磷酸化蛋白质组学 弹性网络回归