EPCO-13. CNMF-SNS, A FRAMEWORK FOR UNSUPERVISED INTEGRATION OF MULTIOMICS DATA, IDENTIFIES INVASION AND RECURRENCE ASSOCIATED PROGRAMS IN GBM
Notice bibliographique
Résumé
Abstract Glioblastoma (GBM) is an aggressive cancer of the brain for which novel therapies are urgently needed. Heterogeneity in GBM underlies tumor evolution and resistance to therapy and involves genetic diversity of tumor cells, spatially distinct niches harbouring stem-like cells, and immune cells spanning anti- and pro-tumor states. No single profiling methodology can capture all these facets of tumor biology in the same space and time, necessitating multi-omics data collection and computational methods suited for multi-omic integration across and within cohorts. We therefore set out to develop a generalizable framework for integration that can bridge across cohorts and data types. Using consensus non-negative matrix factorization (cNMF), we discover gene expression programs (GEPs) corresponding to cell types and/or states in an unsupervised fashion. Rather than choosing a single rank (number of programs), we identify both high and low-resolution programs for each dataset, and then integrate programs from all datasets and ranks into a solution network space (SNS) on which graph algorithms identify communities of highly similar GEPs identified in all or some datasets. These communities are characterized by gene set enrichment analyses and association with sample metadata. SNS communities can be used to transfer sample metadata across datasets, enabling multi-omics and multi-cohort integration, even in the absence of shared samples or cells. We showcase the utility of cNMF-SNS in integrating multiomics datasets of GBM from single-cell to bulk RNA-Seq and mass spectrometry proteomics. We further demonstrate the power of cNMF-SNS to define and cross-annotate programs identified in 5 complementary mass spectrometry datasets of GBM, layering on survival, driver gene mutation status, clinical features, and imaging features. We demonstrate robust mapping of biologically and clinically relevant processes, highlighting how programs for tumor cell invasion and therapy resistance can be mined for novel therapeutic targets. cNMF-SNS is available at https://github.com/MorrissyLab/cNMF-SNS.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».