- 2 次围观
可重复性常用于评估从多组学数据中学习到的潜在因子。然而，在模型重新拟合过程中反复出现的因子，未必反映了我们关注的共同生物学结构。我们使用 SABLE-MO 研究了这一问题。SABLE-MO 是一种共享/私有表示学习框架，并采用单独的因子保留流程。我们在具有已知潜在结构的模拟数据中评估了该方法。原始保留规则在 800 个独立零假设数据集中未接受任何虚假的生物学共享因子，但在 200 个相关私有因子数据集中，有 70 个至少接受了一个虚假因子（35%）。在对这一失效情况进行探索性分析后，我们将对齐相关性的第十分位数阈值从 0.40 提高至 0.60，并在一组采用独立随机种子生成的新模拟数据中进行了测试。虚假接受率从 33% 降至 19%，而真实共享因子的检出率仅略有变化（从 94.375% 降至 94.0%）。模态支持来源的准确归属率为 67.5%，未达到预先设定的标准。我们还分析了来自 TARGET 骨肉瘤队列（78 名患者）、TCGA-SARC（250 名患者）和 TCGA-KIRC（304 名患者）的匹配 RNA 表达、DNA 甲基化和拷贝数数据。基于结局盲法的模型选择倾向于在 TARGET 中采用较简单的共享/私有表示。在两个 TCGA 队列中，与较简单的模型相比，较复杂的表示提升了跨视图检索和缺失视图重建性能，但降低了常规重建性能。这些外部比较均在因子保留之前进行。我们的结果表明，因子可重复性、表示质量和生物学解释需要分别评估。在特定模拟情境中，更严格的保留规则减少了错误，但并未消除错误。
可重复性常用于评估从多组学数据中学习到的潜在因子。然而，在模型重新拟合过程中反复出现的因子，未必反映我们关注的共同生物学结构。我们使用 SABLE-MO 对这一问题进行了研究。SABLE-MO 是一种共享／特异表征学习框架，并采用独立的因子保留流程。我们在已知潜在结构的模拟数据中评估了该方法。原始保留规则在 800 个相互独立的零假设数据集中未接受任何虚假的生物学共享因子，但在 200 个特异因子相关的数据集中，有 70 个（35%）至少接受了一个虚假因子。在对这一失效情形进行探索性分析后，我们将对齐相关系数的第 10 百分位数阈值从 0.40 提高至 0.60，并在一组新生成且独立设定随机种子的模拟数据中进行了测试。虚假接受率从 33% 降至 19%，而真实共享因子的检出率仅略有变化（从 94.375% 降至 94.0%）。模态支持来源的精确归属率为 67.5%，低于预先设定的标准。我们还分析了来自 TARGET 骨肉瘤队列（78 名患者）、TCGA-SARC 队列（250 名患者）和 TCGA-KIRC 队列（304 名患者）的匹配 RNA 表达、DNA 甲基化和拷贝数数据。在 TARGET 队列中，不参考结局信息的模型选择倾向于较简单的共享／特异表征。在两个 TCGA 队列中，与较简单的模型相比，较复杂的表征提升了跨视图检索和缺失视图重建的效果，但降低了常规重建的表现。上述外部比较均在因子保留之前进行。结果表明，因子的可重复性、表征质量和生物学解释需要分别评估。在特定的模拟情境中，更严格的保留标准降低了错误，但并未将其完全消除。
作者声明不存在任何竞争性利益。
感谢您……
有意愿帮助宣传 bioRxiv。
注意：要求提供您的电子邮箱地址，仅用于确认您是本文的发送者。
关键词：多组学数据整合 · 潜在因子稳定性 · 共享与私有表示学习 · 因子保留规则 · 癌症多组学 · 模型评估
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.12.758631v1?rss=1