TF-DWGNet: A Directed Weighted Graph Neural Network with Tensor Fusion for Multi-Omics Cancer Subtype Classification

TF-DWGNet 技术总结：一种用于多组学癌症亚型分类的定向加权图神经网络与张量融合框架

问题陈述
准确的癌症亚型分类是精准医学的核心，但由于肿瘤的生物异质性和多组学数据的复杂性，这一任务仍然具有挑战性。多组学数据集（例如 DNA 甲基化、mRNA 和 miRNA 表达）本质上是高维、异构的，并且表现出复杂的胞内及模态间依赖关系。虽然图神经网络（GNN）为建模关系结构提供了一个原则性的框架，但现有方法通常依赖于预定义的、无向或无权重的相似性网络。这些方法往往无法捕捉特定任务的方向性、相互作用强度以及高阶相互作用（超越成对相互作用）。此外，在特征和模态层面的可解释性通常依赖于计算密集型的后验分析，这可能无法反映模型的真实决策过程。

方法论：TF-DWGNet 框架
作者提出了 TF-DWGNet，这是一个旨在通过四个协调模块集成多组学数据的全监督、端到端框架：

1. 监督定向加权图构建：
   不同于基于相关性的相似性网络，该框架利用 XGBoost 的树分裂结构为每个组学模态构建特定任务的图。

   • 机制： 在每个模态上训练由 $M$ 棵提升树组成的集成模型。每棵树被视为一个有向图，其中边 $a \to b$ 表示特征 $a$ 出现在沿根节点到叶节点的路径上的特征 $b$ 之前。
   • 聚合： 所有树中的特征共现情况被聚合为一个单一的定向加权图（$G^*$）。边的权重代表了这种依赖关系在不同树中的出现频率。
   • 结果： 这一过程实现了数据驱动的特征降维，并编码了特征重要性和定向条件依赖关系（即一个特征如何将患者划分为子集，从而使后续特征具有更强的判别能力）。

2. 图神经网络（GNN）编码：
   每个模态的降维特征矩阵及其对应的定向加权图都通过改进的图嵌入深度前馈网络（GEDFN）进行处理。

   • 架构： 通过根据图拓扑结构限制输入节点与隐藏节点之间的连接，将邻接结构直接嵌入到第一隐藏层中。
   • 归一化： 输入使用带有自环的归一化邻接矩阵（$\tilde{D}^{-1/2}\tilde{A}\tilde{D}^{-1/2}$）进行处理，以防止高度连接的节点占据主导地位。
   • 输出： 该模块学习每种组学类型的潜在单模态嵌入（$Z_1, Z_2, Z_3$）。

3. 张量融合与低秩分解：
   为了在不产生全张量展开的计算不可行性的情况下捕捉高阶相互作用（单模态、双模态和三模态），该框架采用了张量融合网络（TFN）并结合了典型成分分解（CP 分解）。

   • 增强： 通过添加常数特征 (1) 来增强潜在表示，以促进涉及少于三种模态的相互作用项。
   • 融合： 通过增强后的嵌入的外部积构建一个三阶张量。
   • 分解： 使用低秩 CP 分解近似该张量（$T \approx \sum \lambda_r p_{1,r} \otimes p_{2,r} \otimes p_{3,r}$）。这使得计算复杂度从相对于秩 $R$ 的指数级降低到线性级，同时保留了建模所有组学层间协同机制的能力。

4. 残差分类网络：
   紧凑的融合低秩嵌入被传递到一个带有残差块的深度残差网络（DFN），用于最终的多分类亚型预测。残差连接的使用稳定了优化过程，并支持更深层的特征变换。

核心贡献
论文确定了三个主要贡献：

1. 监督定向加权图构建： 利用 XGBoost 生成具有生物学意义的、变尺寸的定向图，从而编码特定任务的方向性和相互作用强度，取代了静态的无向相似性网络。
2. 用于高阶相互作用的张量融合： 其低秩张量融合模块能高效捕捉单模态、双模态和三模态的相互作用，相比简单的拼接或成对建模，提供了更丰富的表征能力。
3. 内置可解释性： 该框架能够通过连接权重和图结构，内在性地产生特征重要性排名和模态贡献得分，从而无需进行后验分析。

实验结果
作者在来自 TCGA 的三个真实癌症数据集（BRCA：乳腺癌；UCEC：子宫体子宫内膜癌；KIPAN：泛肾脏队列）上评估了 TF-DWGNet。

• 性能： TF-DWGNet 在准确率（Accuracy）、加权 F1（F1-weighted）和宏 F1（F1-macro）指标上一致优于最先进的基准模型（包括 RF、XGBoost、DFN、GCN、GEDFN 及消融变体）。
  • 在 BRCA 数据集上，TF-DWGNet 达到了 $0.821 \pm 0.023$ 的准确率，显著优于次优基准（GEDFN 为 $0.790$），并在 F1-macro 指标上表现出实质性提升（$0.785$对比$0.748$）。
  • 通过 20 次独立分层划分进行的 Welch's $t$ 检验确认了统计显著性，BRCA 上的大多数改进均高度显著（$p < 0.001$）。
• 消融研究： 移除关键组件会导致性能下降。使用随机森林（Random Forest）代替 XGBoost 进行图构建（$TF\text{-}DWGNet_{rf}$）以及移除方向性（$TF\text{-}DWGNet_{undir}$）均导致了明显的性能跌落，验证了监督定向图构建的重要性。
• 可解释性： 该模型成功识别了具有生物学意义的生物标志物（如 BRCA 中的 FAM134B 和 FOXC1），并提供了模态层面的贡献得分。在 BRCA 中，三种组学类型的贡献相当；而在 UCEC 和 KIPAN 中，DNA 甲基化成为了主要的预测信号。

意义与主张
论文声称，TF-DWGNet 是首个将监督定向加权图构建、全面的低秩张量融合、模态灵活的 GNN 编码以及内置可解释性相结合，用于多组学癌症亚型分类的框架。作者断言，该模型提供了一种稳健且可解释的解决方案，能够捕捉生物过程的层次性和方向性。通过避免预定义的相似性网络并捕捉高阶相互作用，TF-DWGNet 提供了一种原则性的多组学整合方法，能够产生具有生物学意义的见解，并支持精准肿瘤学，且无需手动特征工程或后验可解释性方法。