山东大学学报(医学版)

作者：张润泽,薛付忠,杨帆

单位：1.山东大学齐鲁医学院公共卫生学院医学数据学系, 山东 济南 250012;2.国家健康医疗大数据研究院, 山东 济南 250003;3.山东大学齐鲁医院, 山东 济南 250012

关键词：癌症亚型聚类,多组学,图卷积网络,自注意力机制,解耦对比学习,

基金：国家自然科学基金(82273736,62272278)

目的 基于癌症基因组图谱(the cancer genome atlas, TCGA)中5种癌症的多组学数据,提出一种融合图卷积网络、自注意力机制与解耦对比学习的癌症亚型聚类模型。 方法 模型以TCGA数据库中5种癌症的4种组学数据为输入,分别构建每类组学中样本之间的关系网络,利用图卷积网络提取组学内部的结构信息,更好地保留样本之间的特征差异。将不同组学下的特征进行拼接,并通过注意力机制进行加权融合,自动学习各组学的重要程度与互补关系。最后采用解耦对比学习方法,利用样本增强后的不同视角进行无监督训练,引导模型在没有真实标签的情况下识别出潜在的癌症亚型。 结果 模型在5种癌症数据中均表现出良好的聚类效果,能够将样本有效划分为不同的亚型。在生存分析中,各亚型之间的生存曲线呈现显著分离,说明模型识别的亚型预后存在差异。部分亚型在临床特征上也表现出较强的区分能力。与多种现有方法相比,本研究模型在多项评价指标上均取得良好结果,聚类结果具有更高的稳定性,同时展现出更强的生物学解释能力。 结论 本研究提出的癌症亚型聚类模型通过图卷积网络、自注意力机制与对比学习的协同作用,有效整合多组学数据,显著提升了癌症亚型聚类的准确性和临床解释力,该模型为癌症异质性研究提供了新思路,有助于精准医疗的个性化治疗策略制定。

来源：2025年第8期

《山东大学学报(医学版)》期刊编辑部

查看山东大学学报(医学版)杂志2025年第8期