A Multi-Omics Framework for Survival Mediation Analysis of High-Dimensional Proteogenomic Data

Riepilogo Tecnico: SMAHP – Un Framework Multi-Omics per l'Analisi di Mediazione sulla Sopravvivenza

Enunciato del Problema
L'analisi di sopravvivenza è fondamentale per comprendere gli esiti legati al tempo di evento, come la progressione della malattia e la mortalità dei pazienti. Sebbene i recenti progressi abbiano consentito il profilo ad alto rendimento dei dati di proteomica e genomica, i framework esistenti di mediazione causale per esiti di sopravvivenza presentano limitazioni significative. I metodi attuali, come l'Analisi di Mediazione ad Alta Dimensionalità nei Modelli di Sopravvivenza (HIMAsurvival) e MASH, si basano principalmente sulla regressione di Cox a rischi proporzionali (PH). Questi approcci si concentrano tipicamente su una singola esposizione o su singoli strati omici, non riuscendo a catturare l'interazione complessa tra esposizioni ad alta dimensionalità (ad esempio, espressioni geniche) e mediatori ad alta dimensionalità (ad esempio, livelli proteici) all'interno di un contesto multi-omics. Inoltre, la dipendenza dal modello di Cox impone l'assunzione di PH, che può essere violata in certi contesti biologici. Manca un framework unificato in grado di gestire simultaneamente esposizioni e mediatori ad alta dimensionalità integrando dati multi-omics per esiti di sopravvivenza.

Metodologia: SMAHP
Gli autori propongono SMAHP (Analisi di Mediazione sulla Sopravvivenza di Dati Proteogenomici ad Alta Dimensionalità), un nuovo framework fondato sul paradigma controfattuale. Il metodo è progettato per identificare percorsi causali in cui le esposizioni genomiche influenzano gli esiti di sopravvivenza attraverso mediatori proteici. La procedura consta di tre fasi principali:

1. Fase 1: Selezione Penalizzata delle Variabili (Pre-screening):

   • Modello dell'Esito: Viene utilizzato un modello penalizzato dei Tempi di Fallimento Accelerati (AFT) per valutare gli effetti diretti delle esposizioni ad alta dimensionalità ($X$) e dei mediatori ($M$) sull'esito di sopravvivenza ($T$). Il modello AFT è scelto per evitare l'assunzione di PH intrinseca nella regressione di Cox. Gli autori impiegano la Penalità Minimax Concava (MCP) tramite un algoritmo di moltiplicatori della direzione alternata per identificare gli insiemi attivi di geni significativi ($S_1$) e proteine ($T$).
   • Modello di Mediazione: Viene adattato un modello di regressione lineare penalizzato (anch'esso utilizzando MCP) per modellare l'associazione tra esposizioni e ciascun mediatore ($X \to M_k$), identificando gli insiemi attivi di geni ($J^k_1$) associati a mediatori specifici.

2. Fase 2: Screening dei Mediatori Importanti (SIS):

   • Per ridurre la dimensionalità e il carico computazionale, viene applicato l'approccio di Screening Sure Independence (SIS). Il metodo calcola il prodotto dei coefficienti stimati dai percorsi esposizione-mediatore e mediatore-esito ($|\hat{\alpha} \cdot \hat{\beta}|$).
   • Vengono mantenute le coppie di mediatori ed esposizioni con i valori più grandi pari a $n/\log(n)$ (o un suo multiplo). Questa fase identifica i "mediatori proteomici importanti" che spiegano le esposizioni, filtrando efficacemente gli insiemi candidati in $S_2$ (mediatori) e $J^s_2$ (esposizioni).

3. Fase 3: Test di Ipotesi e Controllo FDR:

   • Viene eseguito un test di Significatività Congiunta (JS) sugli insiemi ridotti per determinare se un mediatore specifico si trovi nel percorso causale ($H_0: \alpha \beta = 0$).
   • Il metodo calcola i valori p elemento per elemento per il prodotto dei coefficienti utilizzando il massimo dei valori p dei percorsi individuali.
   • Il Tasso di Falsi Positivi (FDR) è controllato utilizzando la procedura di Benjamini-Hochberg (BH) sulla matrice risultante dei valori p.

Contributi Chiave

• Framework Innovativo: SMAHP è presentato come uno dei primi tentativi di integrare il modello dei Tempi di Fallimento Accelerati (AFT) in un framework di mediazione causale multi-omics per esiti di sopravvivenza.
• Gestione dell'Alta Dimensionalità: A differenza dei metodi precedenti che spesso trattano le esposizioni come singole variabili, SMAHP gestisce simultaneamente vettori ad alta dimensionalità sia di esposizioni (geni) che di mediatori (proteine).
• Integrazione Multi-Omics: Il framework modella esplicitamente la sinergia tra esposizioni genomiche e mediatori proteomici, andando oltre l'analisi di singoli strati omici.
• Robustezza alla Violazione di PH: Utilizzando il modello AFT, il metodo offre un'alternativa robusta agli approcci basati su Cox quando l'assunzione di rischi proporzionali non è valida.
• Implementazione: Il metodo è implementato come pacchetto R (SMAHP) disponibile gratuitamente su CRAN.

Risultati

• Studi di Simulazione: Gli autori hanno condotto estese simulazioni in vari scenari (variando dimensioni campionarie $n$, numero di geni $p$ e proteine $k$) e tassi di censura (25%, 50%, 75%).
  • Prestazioni: SMAHP ha dimostrato un'elevata potenza statistica controllando efficacemente il Tasso di Falsi Positivi (FDR) al livello del 5%.
  • Confronto: Rispetto a un approccio "Naïf" (nessuna penalizzazione/SIS) e a un approccio "SIS + SIS" (modelli marginali univariati con SIS), SMAHP ha mantenuto un controllo superiore del FDR, in particolare all'aumentare dei tassi di censura. Il metodo Naïf ha mostrato un FDR gonfiato, mentre il metodo SIS + SIS ha faticato a controllare il FDR a tassi di censura elevati (50% e 75%).
  • Computazione: Sebbene SMAHP richieda più tempo computazionale rispetto agli altri metodi a causa della penalizzazione, è rimasto fattibile (ad esempio, ~2-4 minuti per $n=400$).
• Applicazione su Dati Reali: Il metodo è stato applicato ai dati del Clinical Proteomic Tumor Analysis Consortium (CPTAC) per il Carcinoma Squamocellulare della Testa e del Collo (HNSCC), concentrandosi specificamente sui casi HPV-negativi.
  • Risultato: L'analisi ha identificato un effetto indiretto significativo in cui la proteina LCE3E media l'associazione tra il gene HMGB1P23 e la sopravvivenza globale.
  • Contesto Biologico: Sebbene HMGB1P23 non sia ben caratterizzato nella letteratura sulla malattia, LCE3E è associata alle verruche plantari (legate all'HPV), offrendo un potenziale legame biologico in una coorte HPV-negativa dove il controllo immunitario dell'HPV potrebbe essere rilevante. L'effetto diretto del gene sulla sopravvivenza è stato positivo, mentre l'effetto indiretto attraverso la proteina è stato negativo.

Significato e Affermazioni
Il documento afferma che SMAHP colma lacune critiche nell'analisi di mediazione sulla sopravvivenza consentendo l'analisi simultanea di dati multi-omics ad alta dimensionalità senza fare affidamento sull'assunzione di rischi proporzionali. Gli autori posizionano SMAHP come uno strumento che offre una visione più completa dei meccanismi molecolari (percorsi gene-proteina-esito) rispetto all'analisi separata delle relazioni gene-esito e proteina-esito. Lo studio conclude che il metodo offre un framework statistico robusto per identificare percorsi causali in sistemi biologici complessi, con una riuscita applicazione a dati proteogenomici del mondo reale. Gli autori riconoscono le limitazioni, come la necessità di dimensioni campionarie più grandi in caso di tassi di censura molto elevati (75%) per mantenere potenza e controllo del FDR, e suggeriscono che lavori futuri potrebbero incorporare informazioni biologiche a livello di gruppo (mediazione a livello di pathway) e modelli AFT non parametrici.