Résumé Technique : CMGL (Confidence-guided Multi-omics Graph Learning)

1. Problématique (Le Problème)

L'intégration de données multi-omiques (ARNm, miRNA, méthylation de l'ADN, variations du nombre de copies/CNV) est cruciale pour la classification des sous-types de cancer et la médecine de précision. Cependant, deux défis majeurs subsistent dans les méthodes actuelles basées sur les graphes :

• Hétérogénéité de l'informativité : L'importance de chaque modalité varie selon le type de cancer et selon les patients (ex: l'ARNm est prédominant dans le cancer du sein, tandis que les CNV le sont dans l'ovaire).
• Propagation du bruit : Les méthodes existantes optimisent les poids des modalités conjointement avec l'objectif de classification. Par conséquent, elles manquent d'estimations de fiabilité indépendantes. Si une modalité est de faible qualité pour un patient donné, elle peut fausser la construction du graphe de similarité et amplifier le bruit lors du passage de messages (message passing) dans le réseau de neurones sur graphe (GNN).

2. Méthodologie (L'Approche)

Les auteurs proposent CMGL, un cadre de travail en deux étapes conçu pour estimer la fiabilité des modalités avant la fusion et le raisonnement sur graphe.

Étape 1 : Apprentissage de la confiance par apprentissage profond évidentiel (EDL)

Au lieu d'utiliser des méthodes classiques, CMGL utilise l'Evidential Deep Learning (EDL) pour modéliser l'incertitude épistémique.

• Modélisation de l'évidence : Pour chaque modalité, un encodeur produit des paramètres de Dirichlet qui permettent d'obtenir une force d'évidence et une incertitude en un seul passage avant (single forward pass).
• Estimateur de qualité : Un réseau de score ($Q_m$) combine la force de l'évidence, l'entropie prédictive et la probabilité maximale pour générer un score de confiance par patient et par modalité ($r_i^{(m)}$). Ces scores sont ensuite gelés pour l'étape suivante.

Étape 2 : Fusion guidée par la confiance et apprentissage sur graphe

• Fusion par attention croisée : Les caractéristiques sont fusionnées via un mécanisme d'auto-attention multi-têtes. Un mécanisme de gating (porte) à deux niveaux (dimensionnel et scalaire) utilise les scores de confiance gelés pour supprimer les modalités peu fiables.
• Construction de graphe par intersection de cohérence : Pour éviter que le bruit ne crée des liens erronés entre patients, CMGL construit des graphes $k$-plus proches voisins ($k$-NN) pour chaque modalité et ne conserve que les arêtes présentes dans toutes les modalités ($\mathcal{E}_{\cap} = \bigcap \mathcal{E}^{(m)}$).
• Raisonnement sur graphe : Un réseau GraphSAGE à deux couches effectue le passage de messages sur ce graphe "propre", combiné à une perte contrastive supervisée pour améliorer la séparation des classes.

3. Contributions Clés

1. Découplage de la fiabilité et de la classification : L'estimation de la confiance est indépendante de la perte de classification, évitant ainsi que le modèle ne sur-optimise des poids basés uniquement sur la performance de prédiction.
2. Graphe de cohérence robuste : L'utilisation de l'intersection des graphes $k$-NN garantit que la structure de similarité entre patients est validée par toutes les sources omiques.
3. Architecture en deux étapes : Ce design permet de filtrer le bruit à la source (caractéristiques) et à la structure (graphe).

4. Résultats

• Performances de pointe : Sur quatre tâches de classification de sous-types de cancer (MLOmics) et une tâche pan-cancer (32 classes), CMGL surpasse les meilleurs modèles de référence (comme MOGONET ou HTML), avec une amélioration moyenne de 4,03 % de précision sur les tâches de cancer unique.
• Interprétabilité biologique (BRCA) : Les sous-types prédits pour le cancer du sein (BRCA) correspondent étroitement aux sous-types intrinsèques PAM50. Le modèle a également identifié un sous-type métabolique lié à la voie de catabolisme du tryptophane-kynurénine (mécanisme d'évasion immunitaire).
• Transfert inter-cancer (KIRC) : Un modèle entraîné sur le cancer du sein (BRCA) peut être transféré sans réentraînement sur le cancer rénal (KIRC). Il parvient à stratifier les patients en groupes ayant des pronostics de survie distincts, reproduisant le cadre moléculaire établi pour le KIRC.

5. Signification (L'Impact)

CMGL démontre que la gestion explicite de l'incertitude et la validation de la structure du graphe par la cohérence multi-omique sont essentielles pour la robustesse des modèles de deep learning en oncologie. En isolant les signaux biologiques fiables du bruit technique, le modèle offre non seulement une meilleure précision, mais aussi des représentations moléculaires qui sont biologiquement cohérentes et capables de généraliser à d'autres types de cancers, ce qui est crucial pour la médecine personnalisée.