《Similarity network fusion for aggregating data types on a genomic scale》

• • 链接：https://github.com/yik-cyber/SNFtool

  • 总结

    • 相似融合网络：聚合不同的基因数据类型

    • 论文以计算机视觉多视图方式为启发，设计了一种图融合网络用于解决基因数据不能综合处理的困难。

    • 本文考虑将患同一种癌症的病人组成一个群体，利用群体里面每个病人个体的不同基因数据分别构建不同的图，并设计了一个图融合方式，将不同的图融合成一个最终的图，最终的图包括了所有的基因信息数据，因此是一个综合的结果，利用该综合的结果进行聚类，可以将癌症分为不同的亚型，利用该综合结果进行回归任务，可以对病人的生存风险进行预测。论文的框架和模型的结构如下：
      image

  • 问题陈述

    • 已经有一些方法可以综合使用所有种类的基因数据，但是存在各种问题：

      • 基于拼接的方式：存在低信噪比的问题；

      • 独立分析后拼接：数据独立，容易产生不同的输出结果，不能统一；

      • 基因预先选择：聚焦公共信息，缺失了互补信息；

      • 机器学习聚类：对于预先选择的基因数量特别敏感。

    • 本文提出SNF：Similarity network fusion：

      • 为每一类构建一个相似度网络；

      • 用非线性方法融合所有的相似度网络得到一个单一的输出网络。

    • SNF的优势：

      • 同时包含不同基因类型的公共信息和互补信息，提取的信息比较全面；

      • 可以综合处理多种基因数据，对噪声鲁棒，可用于样本少的情况；

      • 迭代融合的过程可以去除弱连接，增强强连接。

  • 方法

    • 下图以融合两种基因数据为例，原始的数据是一批患有同一种癌症的病人，分别提取每一个病人的DNA甲基化数据和mRNA基因数据。a图展示了每一个病人的两种基因数据，纵轴表示每个病人，横轴表示一条基因数据。b图展示了病人之间两两相似度计算后的相似度矩阵，c图是根据相似度矩阵画出的图，节点表示病人，连接的边表示了相似度的大小，即权值。c图中边只有一种颜色，此时边是纯净的，即每一条边都是由单一数据计算出来的。d图表示了图融合的 过程。通过融合迭代公式的不断迭代，两个图逐渐融合，互相学习得到各自的“长处”，最终达到收敛条件时，得到最终的融合图，即e，此时边不是纯净的，每条边都是由两种数据综合计算出来的。
      image

    • 论文以一个细胞瘤数据集进行了分析，展示了SNF的具体过程，这里使用了三种基因数据，首先也是根据这三种基因数据分别进行构图，构图后对三个图进行融合。利用融合之后的图进行聚类和生存预测。使用谱聚类的方式将病人聚类成不同的癌症亚型，并将网络作为一个正则化项，加入到回归任务中，得到病人的生存风险预测。
      image

    • 相似度计算公式
      image
      image
      image

    • 图融合迭代公式
      image
      image

  • coding

    • 将数据分为两部分

    • 基于原始数据计算相似度矩阵
      image

    • 将得到的相似度矩阵进行融合，得到融合后的矩阵
      image

    • 对融合后的矩阵进行聚类分析，得到两个不同的簇。
      image

    • 对相似度矩阵进行网络可视化
      image
      image
      image
      image

    • 对相似度矩阵进行二值化处理
      image

    • 关于模型
      image
      image
      image
      image
      image

    • 相似文章

      • https://www.sciencedirect.com/science/article/abs/pii/S016926071930327X?via%3Dihub