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

技術的概要：SMAHP – 生存媒介分析のためのマルチオミクスフレームワーク

問題提起
生存分析は、疾患の進行や患者の死亡率といった「事象発生までの時間」の結果を理解する上で極めて重要である。近年、プロテオミクスおよびゲノミクスデータのハイスループット解析が可能になったにもかかわらず、生存結果に対する既存の因果媒介フレームワークには重大な限界が存在する。High-dimensional Mediation Analysis in Survival Models (HIMAsurvival) や MASH などの現在の手法は、主に Cox 比例ハザード（PH）回帰に依存している。これらのアプローチは通常、単一の曝露または個々のオミクス層に焦点を当てており、マルチオミクス文脈内における高次元の曝露（例：遺伝子発現）と高次元の媒介変数（例：タンパク質レベル）の間の複雑な相互作用を捉えることができない。さらに、Cox モデルへの依存は PH 仮定を課すことになり、これは特定の生物学的文脈において破綻する可能性がある。高次元の曝露と媒介変数を同時に処理し、かつ生存結果のためにマルチオミクスデータを統合できる統合的なフレームワークは存在しない。

手法：SMAHP
著者らは、反事実的パラダイムに基づいた新しいフレームワークであるSMAHP（Survival Mediation Analysis of High-dimensional Proteogenomic data、高次元プロテオゲノムデータの生存媒介分析）を提案する。この手法は、ゲノム曝露がタンパク質媒介変数を通じて生存結果に影響を与える因果経路を特定するように設計されている。手順は以下の 3 つの主要なステップからなる：

1. ステップ 1：ペナルティ付き変数選択（プレスクリーニング）

   • 結果モデル： 高次元の曝露（$X$）と媒介変数（$M$）の生存結果（$T$）への直接効果を評価するために、ペナルティ付き加速故障時間（AFT）モデルが使用される。AFT モデルは、Cox 回帰に内在する PH 仮定を回避するために選択されている。著者らは、交互方向乗数法（ADMM）アルゴリズムを通じて Minimax Concave Penalty（MCP）を採用し、有意な遺伝子（$S_1$）とタンパク質（$T$）のアクティブセットを特定する。
   • 媒介モデル： 曝露と各媒介変数（$X \to M_k$）の間の関連をモデル化するために、ペナルティ付き線形回帰モデル（MCP も使用）が当てはめられ、特定の媒介変数に関連する遺伝子のアクティブセット（$J^k_1$）が特定される。

2. ステップ 2：重要な媒介変数のスクリーニング（SIS）

   • 次元削減と計算負荷の軽減のため、Sure Independence Screening（SIS）アプローチが適用される。この手法は、曝露 - 媒介変数経路と媒介変数 - 結果経路からの推定係数の積（$|\hat{\alpha} \cdot \hat{\beta}|$）を計算する。
   • 曝露と媒介変数のペアのうち、$n/\log(n)$（またはその倍数）の最大値を持つものが保持される。このステップは、曝露を説明する「重要な」プロテオミクス媒介変数を特定し、候補セットを媒介変数 $S_2$ と曝露 $J^s_2$ に効果的に絞り込む。

3. ステップ 3：仮説検定と FDR 制御

   • 削減されたセットに対して、特定の媒介変数が因果経路にあるかどうかを判断するため、Joint Significance（JS）検定が実施される（$H_0: \alpha \beta = 0$）。
   • 個々の経路からの p 値の最大値を用いて、係数の積に対する要素ごとの p 値が計算される。
   • 得られた p 値行列に対して Benjamini-Hochberg（BH）手順を用いて、偽発見率（FDR）が制御される。

主要な貢献

• 新しいフレームワーク： SMAHP は、生存結果のためのマルチオミクス因果媒介フレームワークに加速故障時間（AFT）モデルを統合する最初の試みの一つとして提示されている。
• 高次元処理： 曝露を単一変数として扱うことが多い従来の手法とは異なり、SMAHP は曝露（遺伝子）と媒介変数（タンパク質）の両方の高次元ベクトルを同時に処理する。
• マルチオミクス統合： このフレームワークは、ゲノム曝露とプロテオミクス媒介変数の間の相乗効果を明示的にモデル化し、単一オミクス層の分析を超えている。
• PH 違反に対する頑健性： AFT モデルを利用することで、比例ハザード仮定が成り立たない場合において、Cox ベースのアプローチに対する頑健な代替案を提供する。
• 実装： この手法は、CRAN で自由に利用可能な R パッケージ（SMAHP）として実装されている。

結果

• シミュレーション研究： 著者らは、さまざまなシナリオ（異なるサンプルサイズ $n$、遺伝子数 $p$、タンパク質数 $k$）および検閲率（25%、50%、75%）にわたって広範なシミュレーションを実施した。
  • 性能： SMAHP は、5% レベルで偽発見率（FDR）を効果的に制御しながら、高い統計的検出力を示した。
  • 比較： 「Naïve」アプローチ（ペナルティ/SIS なし）および「SIS + SIS」アプローチ（SIS を用いた単変量周辺モデル）と比較して、SMAHP は特に検閲率が増加するにつれて優れた FDR 制御を維持した。Naïve 法は FDR が膨張する傾向を示し、SIS + SIS 法は高検閲率（50% および 75%）において FDR の制御に苦戦した。
  • 計算： ペナルティ化により他の手法よりも計算時間が必要であったが、SMAHP は実行可能であった（例：$n=400$ で約 2〜4 分）。
• 実データへの適用： この手法は、頭頸部扁平上皮癌（HNSCC）の臨床プロテオミクス腫瘍解析コンソーシアム（CPTAC）データ、特に HPV 陰性症例に適用された。
  • 発見： 解析により、タンパク質LCE3Eが遺伝子HMGB1P23と全生存率の間の関連を媒介する有意な間接効果が特定された。
  • 生物学的文脈： HMGB1P23 は疾患文献において十分に特徴づけられていないが、LCE3E は足底的イボ（HPV 関連）と関連しており、HPV の免疫制御が関連する可能性のある HPV 陰性コホートにおいて潜在的な生物学的リンクを提供する。遺伝子の生存への直接効果は正であったが、タンパク質を介した間接効果は負であった。

意義と主張
本論文は、SMAHP が比例ハザード仮定に依存することなく高次元マルチオミクスデータの同時分析を可能にすることで、生存媒介分析における重要なギャップを埋めると主張している。著者らは、SMAHP を、遺伝子 - 結果およびタンパク質 - 結果の関係を個別に分析するのではなく、分子メカニズム（遺伝子 - タンパク質 - 結果経路）のより包括的な視点を提供するツールとして位置づけている。本研究は、この手法が複雑な生物学的システムにおける因果経路を特定するための頑健な統計的フレームワークを提供し、実世界のプロテオゲノムデータへの成功した適用を示したと結論づけている。著者らは、非常に高い検閲率（75%）下で検出力と FDR 制御を維持するためにより大きなサンプルサイズが必要であるという限界を認め、将来の研究ではグループレベルの生物学的情報（経路レベルの媒介）や非パラメトリック AFT モデルを組み込む可能性を提案している。