8+分型最新思路，没有思路的可以参考一下

今天给同学们分享一篇生信文章“Integrated multiomics analysis and machine learning refine molecular subtypes and prognosis for muscle-invasive urothelial cancer”，这篇文章发表在Mol Ther Nucleic Acids期刊上，影响因子为8.8.

结果解读：

多组学共识预后相关的MUC分子亚型

该研究的工作流程如图1所示。在对所有数据进行有效预处理后，作者通过主成分分析（PCA）对处理批次效应前后的数据进行验证。作者独立地从10个多组学集成聚类算法中识别出三个亚型，并通过综合参考聚类预测指数、间隙统计分析、轮廓分数和以往的研究经验来确定亚型的数量。然后，通过共识集成方法进一步将聚类结果与转录组（mRNA、lncRNA和miRNA）、表观遗传甲基化和体细胞突变的分子模式相结合（图2A-2C）。作者的分类系统与总体生存率（OS）密切相关（p < 0.001；图2D）。值得注意的是，癌症亚型2（CS2）在所有评估的亚型中表现出最有利的生存结果。

MUC整合共识分子亚型的分区

目前，大多数MUC的分子亚型是根据分子表达水平进行分类的，可能与特定的生物功能有关。因此，作者还尝试探索这些CS的不同分子特征。单样本基因集富集分析（ssGSEA）算法测量样本中不同分子标志物的富集程度。有趣的是，作者发现在CS2中明显富集了如腺管分化和尿道上皮分化等途径，而在C