蛋白分子分型

分子分型应用场景

       分子分型是基于综合的分子检测和分析手段，对肿瘤样本进行准确的亚型区分方法，它使肿瘤的分类基础由病理特征向分子特征转变，帮助研究者深入剖析肿瘤分子水平的异质性。分子分型在临床上的广泛应用，不仅能加深研究者对肿瘤预后标志物和亚型特异功能特征的认识，还能进一步完善肿瘤的诊断和临床决策，提高患者的生存率。

分析方法

       针对临床大样本数据，常见的分子分型方法有Consensus Cluster，NMF(Non-Negative Matrix Factorization)等；

       我们以NMF为例介绍分析方法：基于严格的质量控制步骤过滤低质量的样本&蛋白/修饰位点，利用K近邻算法填充定量矩阵中的缺失值。接着基于变异系数等指标对蛋白/修饰位点进行特征选择，基于NMF对样本进行无监督聚类（该步骤可基于单个组学或整合多组学数据分析）。通过聚类一致性，共表象系数等指标选择最优的聚类数量，提取类特异的分子特征并功能注释。最后结合样本的分子特征和临床特征进行热图展示，绘制不同亚型样本的生存曲线。

图表展示

       注：共表象系数。共表象系数(cophenetic correlation coefficient)是用于评估样本聚类稳定性的指标，也是最常用的确定最优聚类数量的指标，研究者Brunet建议选取具有最大共表象系数的K值作为最优聚类数。

       注：一致性聚类热图。一致性聚类热图同样反映多次随机下，样本聚类的一致性，图中浅红色区域表明在多次随机种子的聚类中，聚类结果发生变化的样本。其中，浅红色区域越少，分子分型结果越好。

       注：整合多组学聚类热图。热图中行为蛋白或修饰位点，列为样本。上图展示热图为整合蛋白质&磷酸化修饰两个组学数据进行非负矩阵分解的结果。热图上方为样本特征的注释，包含样本的聚类信息，临床特征，突变特征等（表示特征与分型显著相关(P