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

Resumo Técnico: SMAHP – Um Framework Multi-ômico para Análise de Mediação de Sobrevivência

Declaração do Problema
A análise de sobrevivência é crítica para a compreensão de desfechos de tempo até evento, como progressão da doença e mortalidade de pacientes. Embora avanços recentes tenham permitido o perfilamento de alto rendimento de dados de proteômica e genômica, os frameworks causais de mediação existentes para desfechos de sobrevivência enfrentam limitações significativas. Métodos atuais, como Análise de Mediação de Alta Dimensão em Modelos de Sobrevivência (HIMAsurvival) e MASH, dependem principalmente da regressão de riscos proporcionais (PH) de Cox. Essas abordagens tipicamente focam em uma única exposição ou camadas individuais de ômica, falhando em capturar a interação complexa entre exposições de alta dimensão (por exemplo, expressões gênicas) e mediadores de alta dimensão (por exemplo, níveis de proteínas) dentro de um contexto multi-ômico. Além disso, a dependência do modelo de Cox impõe a suposição de PH, que pode ser violada em certos contextos biológicos. Há uma falta de frameworks unificados capazes de lidar simultaneamente com exposições e mediadores de alta dimensão enquanto integram dados multi-ômicos para desfechos de sobrevivência.

Metodologia: SMAHP
Os autores propõem o SMAHP (Análise de Mediação de Sobrevivência de Dados Proteogenômicos de Alta Dimensão), um framework inovador fundamentado no paradigma contrafactual. O método é projetado para identificar vias causais onde exposições genômicas influenciam desfechos de sobrevivência através de mediadores proteicos. O procedimento consiste em três etapas principais:

1. Etapa 1: Seleção Penalizada de Variáveis (Pré-tamizagem):

   • Modelo de Desfecho: Um modelo penalizado de Tempo Acelerado de Falha (AFT) é utilizado para avaliar os efeitos diretos de exposições de alta dimensão ($X$) e mediadores ($M$) sobre o desfecho de sobrevivência ($T$). O modelo AFT é escolhido para evitar a suposição de PH inerente à regressão de Cox. Os autores empregam a Penalidade Concava Minimax (MCP) via um algoritmo de método de multiplicadores de direção alternada para identificar conjuntos ativos de genes significativos ($S_1$) e proteínas ($T$).
   • Modelo de Mediação: Um modelo de regressão linear penalizado (também usando MCP) é ajustado para modelar a associação entre exposições e cada mediador ($X \to M_k$), identificando conjuntos ativos de genes ($J^k_1$) associados a mediadores específicos.

2. Etapa 2: Triagem de Mediadores Importantes (SIS):

   • Para reduzir a dimensionalidade e o ônus computacional, a abordagem de Triagem de Independência Segura (SIS) é aplicada. O método calcula o produto dos coeficientes estimados das vias exposição-mediador e mediador-desfecho ($|\hat{\alpha} \cdot \hat{\beta}|$).
   • Pares de mediadores e exposições com os $n/\log(n)$ (ou um múltiplo disso) maiores valores são retidos. Esta etapa identifica mediadores proteicos "importantes" que accountam pelas exposições, filtrando efetivamente os conjuntos candidatos para $S_2$ (mediadores) e $J^s_2$ (exposições).

3. Etapa 3: Teste de Hipóteses e Controle de FDR:

   • Um teste de Significância Conjunta (JS) é realizado nos conjuntos reduzidos para determinar se um mediador específico reside na via causal ($H_0: \alpha \beta = 0$).
   • O método calcula valores-p elementares para o produto dos coeficientes usando o máximo dos valores-p das vias individuais.
   • A Taxa de Falsas Descobertas (FDR) é controlada usando o procedimento de Benjamini-Hochberg (BH) na matriz de valores-p resultante.

Contribuições Principais

• Framework Inovador: O SMAHP é apresentado como uma das primeiras tentativas de integrar o modelo de Tempo Acelerado de Falha (AFT) em um framework causal de mediação multi-ômico para desfechos de sobrevivência.
• Tratamento de Alta Dimensão: Diferentemente de métodos anteriores que frequentemente tratam exposições como variáveis únicas, o SMAHP lida simultaneamente com vetores de alta dimensão de exposições (genes) e mediadores (proteínas).
• Integração Multi-ômica: O framework modela explicitamente a sinergia entre exposições genômicas e mediadores proteicos, indo além da análise de camadas únicas de ômica.
• Robustez à Violação de PH: Ao utilizar o modelo AFT, o método oferece uma alternativa robusta às abordagens baseadas em Cox quando a suposição de riscos proporcionais não se sustenta.
• Implementação: O método é implementado como um pacote R (SMAHP) disponível gratuitamente no CRAN.

Resultados

• Estudos de Simulação: Os autores conduziram simulações extensas em diversos cenários (variando tamanhos de amostra $n$, número de genes $p$ e proteínas $k$) e taxas de censura (25%, 50%, 75%).
  • Desempenho: O SMAHP demonstrou alto poder estatístico enquanto controlava efetivamente a Taxa de Falsas Descobertas (FDR) no nível de 5%.
  • Comparação: Comparado a uma abordagem "Ingênua" (sem penalização/SIS) e a uma abordagem "SIS + SIS" (modelos marginais univariados com SIS), o SMAHP manteve controle superior de FDR, particularmente à medida que as taxas de censura aumentavam. O método Ingênuo exibiu FDR inflado, enquanto o método SIS + SIS lutou para controlar o FDR em altas taxas de censura (50% e 75%).
  • Computação: Embora o SMAHP tenha requerido mais tempo computacional que os outros métodos devido à penalização, permaneceu viável (por exemplo, ~2-4 minutos para $n=400$).
• Aplicação em Dados Reais: O método foi aplicado a dados do Consórcio de Análise de Tumores Proteômicos Clínicos (CPTAC) para Carcinoma de Células Escamosas de Cabeça e Pescoço (HNSCC), focando especificamente em casos HPV-negativos.
  • Descoberta: A análise identificou um efeito indireto significativo onde a proteína LCE3E media a associação entre o gene HMGB1P23 e a sobrevivência global.
  • Contexto Biológico: Embora o HMGB1P23 não seja bem caracterizado na literatura de doenças, o LCE3E está associado a verrugas plantares (relacionadas ao HPV), oferecendo um elo biológico potencial em uma coorte HPV-negativa onde o controle imune do HPV pode ser relevante. O efeito direto do gene sobre a sobrevivência foi positivo, enquanto o efeito indireto através da proteína foi negativo.

Significado e Alegações
O artigo alega que o SMAHP aborda lacunas críticas na análise de mediação de sobrevivência, permitindo a análise simultânea de dados multi-ômicos de alta dimensão sem depender da suposição de riscos proporcionais. Os autores posicionam o SMAHP como uma ferramenta que fornece uma visão mais abrangente dos mecanismos moleculares (vias gene-proteína-desfecho) em comparação com a análise separada das relações gene-desfecho e proteína-desfecho. O estudo conclui que o método oferece um framework estatístico robusto para identificar vias causais em sistemas biológicos complexos, com aplicação bem-sucedida a dados proteogenômicos do mundo real. Os autores reconhecem limitações, como a necessidade de tamanhos de amostra maiores sob taxas de censura muito altas (75%) para manter o poder e o controle de FDR, e sugerem que trabalhos futuros poderiam incorporar informações biológicas em nível de grupo (mediação em nível de via) e modelos AFT não paramétricos.