患者コホートのプロファイリングには、単一細胞RNAシーケンシング、空間トランスクリプトミクス、プロテオミクス、組織学など、患者ごとに単一細胞、空間スポット、パッチを含む複数の部分観測を提供する複数モダリティの構造化ビューがますます取り入れられている。現行のマルチモーダル統合手法は、このようなデータを単純な患者レベルのビューとともにモデル化する際、通常は個別に事前計算された要約に依存するため、構造化ビューの情報を十分に活用できない。本研究では、構造化ビューと単純ビューを共同でモデル化し、解釈可能な患者レベル表現を学習する変分フレームワークFACTMxを提示する。FACTMxは、潜在患者因子を部分観測のクラスタリングおよび患者ごとの成分比率と結び付け、直接的な解釈と後続の関連解析を可能にする。本フレームワークは、トピック構造データやガウス構造データを含む、構造化ビューに関するさまざまな混合仮定に対応するとともに、モジュール式のエンコーダ・デコーダのパラメータ化を維持する。疎および密な依存関係と複数のノイズ条件にわたるシミュレーションにおいて、FACTMxは従来手法と比較して、再構成、統合、構造成分の復元を改善した。非小細胞肺がんコホートに適用したところ、FACTMxは免疫微小環境、遺伝子発現経路、空間的に一貫した組織学的パターンに関連する生存関連の潜在シグナルを捉えた。冠症候群の縦断コホートでは、駆出率の変化、免疫細胞状態、可溶性メディエーター、心筋傷害マーカーに結び付く転帰関連軸を明らかにした。これらの結果は、解釈可能なマルチモーダル患者層別化における、構造化ビューと単純ビューの共同モデリングの有用性を支持する。
https://doi.org/10.64898/2026.08.31.748244