SNF 相似性网络融合与多组学分型
同一批患者常同时有转录组、甲基化、拷贝数或蛋白组数据，各自单独聚类往往得到不一致的亚型。相似性网络融合（SNF）先在每种组学内计算样本两两相似性，构成以样本为节点的网络，再通过迭代的信息传递让各网络互相更新，保留多个组学都支持的强相似关系、削弱单一组学的弱关系，最后在融合网络上做谱聚类得到亚型。它以样本为中心，不要求各组学特征数相近，对噪声较稳健，常用于肿瘤分子分型。常用实现是 R 包 SNFtool。
什么时候用
- 同一批样本有两种及以上组学数据，希望得到综合的分子亚型
- 单一组学聚类结果不稳定，想借助多组学一致信号提高稳健性
- TCGA 等公共队列的肿瘤分型并比较亚型间的生存与临床特征
- 各组学特征数量差异很大，不便直接拼接后聚类
- 需要样本相似性网络用于可视化或后续标签传播
不适合的情况
- 想知道哪些基因或通路驱动分型：SNF 输出的是样本网络，特征解释需另做差异分析
- 各组学样本几乎不重叠：融合依赖共同样本，重叠太少网络无意义
- 样本很少（几十个以内）却要分出很多亚型：结果极不稳定
需要准备的数据
- 各组学特征矩阵
- 每种组学一个样本×特征矩阵，如表达 log 值、甲基化 β 或 M 值、拷贝数片段值，已完成各自预处理
- 样本对照表
- 统一的样本 ID 映射，处理 TCGA 条形码截断、肿瘤与正常样本区分和重复样本
- 临床信息
- 生存时间与状态、分期、性别等，用于验证亚型的临床意义，不参与聚类
- 批次与平台信息
- 测序中心、芯片批次等，用于检查亚型是否只是批次的反映
分析步骤
- 1
样本对齐
按统一 ID 取各组学的共同样本，去除重复和非目标样本类型。记录每种组学原有样本数和交集样本数，交集过小时考虑舍弃覆盖率低的组学。
- 2
特征筛选与标准化
每种组学先过滤低方差或高缺失特征，通常保留变异度最高的数千个特征，再对每个特征做 z-score 标准化。不同组学量纲不同，标准化后距离计算才不会被少数尺度大的特征主导。
- 3
构建单组学相似网络
计算样本间欧氏距离或相关距离，再用带局部尺度的高斯核转为相似度矩阵（SNFtool 中的 affinityMatrix）。可先对每个组学单独做谱聚类，了解各自的结构。
- 4
网络融合
把各组学的相似度矩阵输入 SNF 迭代融合。融合后的网络应比单一组学网络呈现更清晰的块状结构，在热图上表现为对角线上的明亮方块。
- 5
选择聚类数
用特征间隙（eigengap）和旋转代价等方法估计最佳聚类数，并结合轮廓系数、一致性聚类的稳定性以及亚型样本量综合判断，而不是只取一个统计量的最优值。
- 6
谱聚类与贡献评估
在融合网络上做谱聚类得到亚型标签。再计算每个单组学网络聚类与融合结果的一致性（如 NMI），了解哪种组学对分型贡献最大。
- 7
亚型验证与注释
比较亚型间的生存差异和临床特征，做各组学的差异特征和通路富集，解释亚型的生物学含义。条件允许时在独立队列中用标签传播或分类器复现亚型。
关键参数与决策
近邻数 K
K 决定每个样本只与多少个最相似的邻居传递信息，常见取值 10 到 30，样本多时可略大。K 太小网络稀疏、亚型碎片化，太大则会把不同亚型连在一起。
核参数 alpha（sigma）
控制高斯核的宽度，常在 0.3 到 0.8 之间取值，SNFtool 示例中常用 0.5。值越大相似度衰减越慢。建议在一个范围内扫描，看聚类结果是否稳定。
迭代次数 T
融合的迭代轮数，通常 10 到 20 次即可收敛。增加迭代次数一般不会显著改变结果，可通过比较相邻 T 下的融合矩阵差异确认收敛。
特征数量
每种组学保留的特征太多会引入噪声，太少会丢失信息。常用按方差或中位绝对偏差取前几千个，应检查改变特征数后亚型是否基本一致。
距离度量
连续型数据常用欧氏距离，计数或二值型数据（如突变）可用卡方距离等。距离不合适会让该组学网络缺乏结构，在融合中被弱化或引入噪声。
常见错误
- 各组学未标准化直接计算距离：表达值方差大的少数基因会主导相似度，融合结果实际只反映一个组学。
- 只用一组 K 和 alpha 得到结果：SNF 对参数有一定敏感性，应扫描参数并报告亚型在不同设置下的一致性。
- 用 P 值最小的聚类数作为最优：挑选使生存差异最显著的 k 是数据窥探，应先依据网络结构确定 k，再看生存。
- 忽视批次和纯度：肿瘤纯度、测序中心等因素会形成很强的相似性结构，亚型可能只是技术或纯度分层。
- 把生存时间或结局纳入聚类特征后再验证预后：构成循环论证，临床变量只能用于聚类完成后的事后比较。
- 亚型中有只含少数样本的小簇仍单独解释：样本太少的簇统计功效不足，且常由离群样本造成。
结果怎么看
融合网络热图
按亚型排序的样本相似度矩阵，对角线上应出现边界清楚的亮块。块之间也有较强相似度，说明亚型边界模糊；某个块内部再分出小块，提示可能存在更细的亚型。
聚类数评估图
展示不同 k 下的特征间隙、旋转代价或轮廓系数。两种方法给出的最佳 k 一致时较可信；差异较大时应报告备选 k，并比较不同 k 下亚型的嵌套关系。
各组学贡献图
展示单组学聚类与融合亚型的一致性（如 NMI）。某个组学一致性接近零，说明它对分型几乎无贡献，可能是噪声组学；一致性极高则表示分型主要由该组学决定。
亚型生存曲线与临床特征表
比较亚型间的 Kaplan-Meier 曲线和 log-rank 检验，以及分期等分布。需注意生存差异是否在调整分期后仍存在，否则亚型可能只是已知临床因素的替代。
和相近方法怎么选
SNF 与 MOFA
SNF 以样本为中心，融合样本相似网络后直接给出离散亚型，不提供特征层面的解释。MOFA 学习连续的潜在因子并给出各组学的特征权重，适合解释变异来源。要分型选 SNF，要理解驱动因素选 MOFA，两者可结合。
SNF 与拼接后聚类
把各组学特征直接拼接后聚类，特征多的组学会占据主导，噪声也一并放大。SNF 在网络层面融合，各组学贡献更平衡，对单一组学的噪声更稳健，但计算需要样本数平方级的内存。
SNF 与一致性聚类
一致性聚类（ConsensusClusterPlus）通常用于单一数据矩阵，通过重抽样评估聚类稳定性。它可以与 SNF 结合：在融合网络上做重复抽样，评估各 k 下亚型的稳定程度。
常见问题
SNF 的 K、alpha、T 怎么设？
常见经验设置是 K 取 10 到 30（也有按样本数除以 10 估算的做法），alpha 在 0.3 到 0.8 之间，T 取 10 到 20。建议在网格上扫描这些参数，选择亚型在多数设置下稳定的组合，而不是只报告一组。
SNF 能处理部分样本缺失某种组学吗？
原始 SNF 要求所有组学有相同样本。常见做法是只取交集，或者对缺失组学的样本另行处理。也有扩展方法支持不完整数据，但需要说明缺失模式，避免缺失本身与亚型相关。
得到的亚型怎么在新样本中验证？
SNFtool 提供基于融合网络的标签传播，可把新样本归入已有亚型。也可以用各亚型的差异特征训练分类器，在独立队列中预测并比较亚型的生存或特征是否复现。
亚型之间生存没有差异，结果就没用吗？
不一定。分子亚型反映生物学差异，未必都与预后相关，可以比较亚型在治疗反应、通路活性或免疫特征上的差别。注意本类分析属于科研探索，不能直接用于临床诊断或治疗决策。
在 Codar 里怎么做
在 Codar 中说明有哪些组学数据和研究目标，它会先确认方案：对齐规则、各组学特征筛选与标准化方式、参数扫描范围和聚类数判断标准。随后完成多组学数据对齐与标准化，构建相似网络并做 SNF 融合与谱聚类，评估各组学贡献与参数稳定性，再比较亚型的临床特征与生存。交付热图、亚型标签表和脚本。
我有 TCGA 胃癌的 mRNA、甲基化和拷贝数数据，帮我做多组学对齐和 SNF 融合分型，比较各亚型的生存差异并看哪种组学贡献最大。