时间偏差驱动的社区检测揭示复杂疾病临界转变的早期预警信号

内容形式：摘要译文

复杂疾病临界转变的早期检测对于及时开展临床干预至关重要。然而，由于患者通常仅能提供单一时间点的状态快照，从动态演化视角识别样本特异性的早期预警信号（EWS）仍面临挑战，同时还伴随着高维噪声放大问题。在此，我们提出TD-COM，一种通过单样本社区检测识别个体化临界转变早期预警信号的框架。通过构建时间扰动图STDN，TD-COM能够从静态个体谱中捕捉推断得到的潜在动态扰动。TD-COM将这些时间偏差信号与静态拓扑特征协同融合，并在社区检测过程中实施多层级节点筛选策略，从而有效抑制单样本噪声。在小时尺度、多年尺度及数十年尺度的转录组数据上进行验证后，TD-COM能够稳健地检测出临床恶化前的临界状态，并揭示其潜在的分子机制。对比实验表明，在准确性和拓扑鲁棒性方面，TD-COM优于现有方法。因此，TD-COM为复杂疾病的个体化早期预警提供了一个具有良好泛化能力的框架，尤其适用于难以开展纵向采样的情形。

关键词：复杂疾病临界转变 · 早期预警信号 · 社区检测 · 时间扰动图 · 单样本转录组分析

原文链接：https://www.biorxiv.org/content/10.64898/2026.05.08.723925v1?rss=1