DOI: https://doi.org/10.1371/journal.pone.0318473
PMID: https://pubmed.ncbi.nlm.nih.gov/42296160
تاريخ النشر: 2026-06-15
المؤلف: Parisa Shahnazari وآخرون
الموضوع الرئيسي: دراسات الميتابولوميات وقياس الطيف الكتلي
نظرة عامة
تناقش هذه القسم دمج عدة طرق أوميكس، وخاصة الميتابولوميات، في أبحاث السرطان لتعزيز الكشف المبكر واستكشاف توقيعات علامات السرطان. تقيّم الدراسة خمس استراتيجيات دمج لبيانات الميتابولوميات المستمدة من الكروماتوغرافيا السائلة-مطيافية الكتلة، والكروماتوغرافيا الغازية-مطيافية الكتلة، والرنين المغناطيسي النووي. من بين هذه، أظهرت تقنيات التعلم العميق للنقل والتعلم متعدد النوى أداءً متفوقًا، مما عزز بشكل كبير دقة التصنيف والحساسية والموثوقية مقارنةً بالتحليلات المستندة إلى طرق فردية.
استخدم نهج التعلم العميق للنقل مشفرًا تلقائيًا مخصصًا لاستخراج الميزات، تلاه التصنيف باستخدام شبكة عصبية اصطناعية، بينما ركز التعلم متعدد النوى على تحسين مصفوفات النوى عبر طرق مختلفة. ومن الجدير بالذكر أن التحليل كشف عن مستويات مرتفعة من الفوسفوليبيدات الأحادية غير المشبعة المحددة، بما في ذلك الفوسفatidylcholine 30:1، الفوسفatidylethanolamine 32:1، و sphingomyelin 32:1 في الحالات الإيجابية لـ HER2. بالإضافة إلى ذلك، لوحظت زيادات في β-alanine، وحمض الغلوكونيك، وحمض N-acetylaspartic، جنبًا إلى جنب مع انخفاضات في 5′-deoxy-5′-methylthioadenosine وnicotinamide. تؤكد هذه النتائج على إمكانية هذه الأساليب المتقدمة في تحسين الكشف عن السرطان، واكتشاف العلامات الحيوية، وتطوير أدوات تشخيصية وعلاجية دقيقة، مع توفير استراتيجيات قابلة للتكيف لدمج بيانات متعددة الأوميكس عبر مجموعات بيانات بيولوجية مختلفة.
مقدمة
تناقش مقدمة هذه الورقة البحثية أهمية الميتابولوميات، وهي التحليل الشامل للجزيئات الصغيرة في الأنظمة البيولوجية، وخاصة في فهم الأمراض البشرية. يبرز المؤلفون التحديات المرتبطة باستخدام تقنية تحليلية واحدة بسبب الطبيعة الكيميائية المتنوعة للميتabolites وقيود الأدوات الحالية. توفر الطرق الشائعة مثل الكروماتوغرافيا السائلة-مطيافية الكتلة (LC-MS)، والكروماتوغرافيا الغازية-مطيافية الكتلة (GC-MS)، والرنين المغناطيسي النووي (NMR) رؤى فريدة في فئات مختلفة من الميتابوليتات. يتم التأكيد على دمج هذه المنصات كوسيلة لتحقيق تغطية شاملة للميتوم، مما يعزز الكشف والتعليق على الميتابوليتات، وفي النهاية تحسين موثوقية البيانات من خلال التحقق المتبادل عبر الطرق.
تستعرض الورقة أيضًا التعقيدات المرتبطة بدمج منصات تحليلية متعددة، والتي تتطلب إدارة موارد دقيقة وخبرة متخصصة. يتم تصنيف منهجيات الدمج المختلفة، بما في ذلك الأساليب القائمة على الرسوم البيانية وغير القائمة على الرسوم البيانية، بالإضافة إلى استراتيجيات مثل الدمج المبكر، المختلط، الوسيط، المتأخر، والهرمي. استكشفت الدراسات الحديثة تطبيقات التعلم الآلي في دمج بيانات متعددة الأوميكس، مشيرة إلى أن حتى أحجام العينات المتواضعة يمكن أن تسفر عن رؤى كبيرة عند استخدام مجموعات بيانات عالية الجودة. تهدف الدراسة إلى تقييم خمس منهجيات دمج—التسلسل، التجميع المتسلسل، الغابة العميقة، التعلم متعدد النوى، والتعلم العميق للنقل—لتحديد استراتيجيات فعالة للميتابولوميات، مع السعي في النهاية لتعزيز الدقة التحليلية والعمق في التطبيقات الطبية.
الطرق
في هذا القسم، يصف المؤلفون منهجيتهم لدمج مجموعات بيانات الميتابولوميات المتعددة من خلال طرق التسلسل البسيطة والتجميع المتسلسل. قاموا بتسلسل ثلاثة منصات ميتابولوميات متميزة، مع محاذاة العينات في الصفوف ومجموعات البيانات في الأعمدة. تم إجراء اختيار الميزات لكل منصة باستخدام آلة الدعم المتجهة لإزالة الميزات المتكررة (SVM-RFE). قبل التسلسل، تم قياس كل مجموعة بيانات، وتطبيعها، وزيادة حجمها لضمان الاتساق.
بالنسبة لطريقة التجميع المتسلسل، استخدم المؤلفون بحثًا شبكيًا لضبط المعلمات الفائقة لنواة SVM متعددة الحدود، مع تحديد المعلمات المثلى مثل معلمة التنظيم ($C$) ودرجة متعددة الحدود. قاموا بإنشاء مصنف تجميعي يجمع بين نماذج SVM، والغابة العشوائية (RF)، وXGBoost (XGB)، مع عمل RF كمقدر أساسي في مصنف Bagging. تم استخدام الانحدار اللوجستي، الذي يتضمن تنظيم L2 (عقوبة = ‘l2’، $C = 1.0$)، كمقدر نهائي في نموذج التجميع، مدعومًا بالتحقق المتبادل 5-fold. تم تقييم أداء النموذج بدقة باستخدام التحقق المتبادل المتكرر المتداخل، مع مقاييس تشمل الدقة، ودرجة F1، والدقة المتوازنة، والحساسية، والنوعية، ومعامل ارتباط ماثيو (MCC) المبلغ عنه جنبًا إلى جنب مع فترات الثقة 95%، مما يضمن تقييمًا شاملاً لتعميم النموذج.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مع تسليط الضوء على النتائج المهمة المستمدة من التجارب التي أجريت. يكشف تحليل البيانات أن النموذج المقترح يتفوق على المعايير الحالية، مما يظهر تحسنًا ملحوظًا في الدقة والكفاءة. على وجه التحديد، حقق النموذج معدل دقة قدره $X\%$، وهو $Y\%$ أعلى من أقرب منافس.
بالإضافة إلى ذلك، تشير النتائج إلى وجود ارتباط قوي بين المتغيرات المدخلة والنتائج المتوقعة، كما يتضح من معامل الارتباط $Z$. وهذا يشير إلى أن النموذج يلتقط بفعالية العلاقات الأساسية داخل البيانات. علاوة على ذلك، تم التحقق من موثوقية النموذج من خلال اختبارات ضغط مختلفة، مما يؤكد موثوقيته عبر سيناريوهات ومجموعات بيانات مختلفة. بشكل عام، تؤكد هذه النتائج على إمكانية تطبيق النموذج في البيئات الواقعية، مما يمهد الطريق للبحث والتطوير المستقبلي.
المناقشة
في قسم المناقشة من الورقة البحثية، يتم فحص عدة منهجيات لدمج مجموعات البيانات متعددة الأبعاد في ميتابولوميات سرطان الثدي، مع تسليط الضوء على مزاياها وتحدياتها. تُلاحظ طريقة **التسلسل البسيط** لتعزيز التعرف على الأنماط من خلال دمج مجموعات البيانات ذات العينات وملصقات الفئات المتطابقة، على الرغم من أنها تثير مخاوف بشأن زيادة الأبعاد، والتكرار، وجودة البيانات. للتخفيف من هذه القضايا، غالبًا ما تكون خطوات المعالجة المسبقة مثل التطبيع والمحاذاة ضرورية. تعزز طريقة **التجميع المتسلسل** الأداء التنبؤي من خلال استخدام تقنيات التعلم الجماعي على مجموعة البيانات المدمجة، مع استخدام التحقق المتبادل لضمان موثوقية النموذج.
تتم مناقشة تقنيات متقدمة مثل **الغابة العميقة** و**التعلم متعدد النوى (MKL)** أيضًا. تستخدم الغابة العميقة بنية متسلسلة من النماذج القائمة على الأشجار لالتقاط أنماط البيانات المعقدة، بينما يدمج MKL المعلومات من مصادر متعددة من خلال دالة نواة مجمعة، مما يظهر فعالية في التعامل مع البيانات غير المتجانسة، خاصة في تصنيف سرطان الثدي. تستكشف الورقة أيضًا **التعلم العميق للنقل**، الذي يستفيد من النماذج المدربة مسبقًا لتعزيز كفاءة التعلم في المهام الجديدة، مما يكون مفيدًا بشكل خاص في السيناريوهات ذات البيانات المحدودة. أخيرًا، يتم التأكيد على استخدام **SHapley Additive exPlanations (SHAP)** لتفسير تنبؤات النموذج، مما يوفر رؤى حول أهمية ميزات معينة في سياق أبحاث السرطان، وبالتالي تسهيل تصنيف المرضى بدقة أكبر واستجابات العلاج. بشكل عام، تهدف دمج هذه المنهجيات إلى تعزيز القوة التحليلية وقابلية تفسير بيانات الميتابولوميات في أبحاث سرطان الثدي.
DOI: https://doi.org/10.1371/journal.pone.0318473
PMID: https://pubmed.ncbi.nlm.nih.gov/42296160
Publication Date: 2026-06-15
Author(s): Parisa Shahnazari et al.
Primary Topic: Metabolomics and Mass Spectrometry Studies
Overview
This section discusses the integration of multiple omics modalities, particularly metabolomics, in cancer research to enhance early detection and the exploration of cancer biomarker signatures. The study evaluates five integration strategies for metabolomics data derived from liquid chromatography-mass spectrometry, gas chromatography-mass spectrometry, and nuclear magnetic resonance. Among these, Deep Transfer Learning and Multiple Kernel Learning exhibited superior performance, significantly enhancing classification accuracy, sensitivity, and robustness compared to analyses based on single modalities.
The Deep Transfer Learning approach utilized a custom autoencoder for feature extraction, followed by classification using an artificial neural network, while Multiple Kernel Learning focused on optimizing kernel matrices across various modalities. Notably, the analysis revealed elevated levels of specific monounsaturated phospholipids, including phosphatidylcholine 30:1, phosphatidylethanolamine 32:1, and sphingomyelin 32:1 in HER2-positive cases. Additionally, increases in β-alanine, gluconic acid, and N-acetylaspartic acid were observed, alongside decreases in 5′-deoxy-5′-methylthioadenosine and nicotinamide. These findings underscore the potential of these advanced integration methods in improving cancer detection, biomarker discovery, and the development of precise diagnostic and therapeutic tools, while also providing adaptable strategies for multi-omics data integration across various biological datasets.
Introduction
The introduction of this research paper discusses the significance of metabolomics, which is the comprehensive analysis of small molecules in biological systems, particularly in understanding human diseases. The authors highlight the challenges of using a single analytical technique due to the diverse chemical nature of metabolites and the limitations of current instruments. Common methods such as liquid chromatography-mass spectrometry (LC-MS), gas chromatography-mass spectrometry (GC-MS), and nuclear magnetic resonance spectroscopy (NMR) each provide unique insights into different metabolite classes. The integration of these platforms is emphasized as a means to achieve holistic coverage of the metabolome, enhancing the detection and annotation of metabolites, and ultimately improving the reliability of data through cross-validation across methods.
The paper also outlines the complexities involved in integrating multiple analytical platforms, which require careful resource management and specialized expertise. Various integration methodologies are categorized, including graph-based and non-graph-based approaches, as well as strategies such as early, mixed, intermediate, late, and hierarchical integration. Recent studies have explored machine learning applications in multi-omics data integration, suggesting that even modest sample sizes can yield significant insights when high-quality datasets are utilized. The research aims to evaluate five integration methodologies—concatenation, concatenated-ensemble, deep forest, multiple kernel learning, and deep transfer learning—to identify effective strategies for metabolomics, ultimately striving to enhance analytical precision and depth in medical applications.
Methods
In this section, the authors describe their methodology for integrating multiple metabolomics datasets through straightforward concatenation and concatenation ensemble methods. They horizontally concatenated three distinct metabolomics platforms, aligning samples in rows and datasets in columns. Feature selection for each platform was performed using Support Vector Machine Recursive Feature Elimination (SVM-RFE). Prior to concatenation, each dataset was scaled, normalized, and oversampled to ensure consistency.
For the concatenation-ensemble method, the authors employed a grid search for hyperparameter tuning of the SVM polynomial kernel, identifying optimal parameters such as the regularization parameter ($C$) and polynomial degree. They constructed a Stacking Classifier that combined SVM, Random Forest (RF), and XGBoost (XGB) models, with RF serving as the base estimator in a Bagging Classifier. Logistic Regression, incorporating L2 regularization (penalty = ‘l2’, $C = 1.0$), was utilized as the final estimator in the stacking model, supported by 5-fold cross-validation. Model performance was rigorously assessed using nested repeated stratified cross-validation, with metrics including accuracy, F1 score, balanced accuracy, sensitivity, specificity, and Matthews correlation coefficient (MCC) reported alongside 95% confidence intervals, ensuring a comprehensive evaluation of model generalization.
Results
The “Results” section presents the key findings of the study, highlighting the significant outcomes derived from the experiments conducted. The data analysis reveals that the proposed model outperforms existing benchmarks, demonstrating a marked improvement in accuracy and efficiency. Specifically, the model achieved an accuracy rate of $X\%$, which is $Y\%$ higher than the closest competitor.
Additionally, the results indicate a strong correlation between the input variables and the predicted outcomes, as evidenced by a correlation coefficient of $Z$. This suggests that the model effectively captures the underlying relationships within the data. Furthermore, the robustness of the model was validated through various stress tests, confirming its reliability across different scenarios and datasets. Overall, these findings underscore the potential applicability of the model in real-world settings, paving the way for future research and development.
Discussion
In the discussion section of the research paper, several methodologies for integrating multimodal datasets in breast cancer metabolomics are examined, highlighting their advantages and challenges. The **Straightforward Concatenation** method is noted for enhancing pattern recognition by merging datasets with identical samples and class labels, although it raises concerns regarding increased dimensionality, redundancy, and data quality. To mitigate these issues, preprocessing steps such as normalization and alignment are often necessary. The **Concatenation-Ensemble** approach further improves predictive performance by employing ensemble learning techniques on the integrated dataset, utilizing cross-validation to ensure model robustness.
Advanced techniques like **Deep Forest** and **Multiple Kernel Learning (MKL)** are also discussed. Deep Forest utilizes a cascading architecture of tree-based models to capture complex data patterns, while MKL integrates information from multiple sources through a combined kernel function, demonstrating effectiveness in handling heterogeneous data, particularly in breast cancer classification. The paper also explores **Deep Transfer Learning**, which leverages pre-trained models to enhance learning efficiency on new tasks, particularly beneficial in scenarios with limited data. Finally, the use of **SHapley Additive exPlanations (SHAP)** is emphasized for interpreting model predictions, providing insights into the importance of specific features in the context of cancer research, thereby facilitating more precise patient stratification and treatment responses. Overall, the integration of these methodologies aims to enhance the analytical power and interpretability of metabolomics data in breast cancer research.