Введение: Метод независимых компонент (МНК) может применяться для декомпозиции неоднородных транскриптомных данных и выделения транскрипционных сигналов, соответствующих биологическим функци-ям или техническим эффектам. Для использования независимых ком-понент в качестве признаков транскрипционных сигналов требуется вы-сокая воспроизводимость разложения исходных данных. В работе иссле-дована стабильность МНК, проверена воспроизводимость результатов анализа в зависимости от количества параллельных запусков, усредняе-мых для получения консенсусного МНК разложения, а также числа об-разцов.

Метод: Разработанный консенсусный МНК применялся к данным экспрессии генов кожной меланомы (SKCM) и двух типов немелкоклеточного рака легких: плоско-клеточному (LUSC) и аденокарциноме (LUAD) из базы данных TCGA. Стабильность разложения исследована в зависимости от количества параллельных запусков МНК, компонент, объема выборки пациентов. Для классификации пациентов на основании выделенных компонент рассмотрены предсказательные модели из R-пакетов random forest и xgboost. Для оценки устойчивости разложения рассчитывались индексы Жаккара, коэффициенты детерминации и косинусное сходство между полученными метагенами и списками обогащенных биологических процессов.

Результаты: Определено оптимальное количество параллельных запусков консенсусного МНК, обеспечивающее воспроизводимое разложение для каждого типа рака. Проведена оценка влияния количества параллельных запусков и объема выборки на качество классификации типов рака легких. Для выделенных компонент определены биологически значимые сигналы, включая клеточный цикл, активность инфильтрирую-щих иммунных клеток и кератинизация. Определены необходимые размеры выборки для достижения воспроизводимого разложения при выделении различного количества компонент. Определено оптимальное количество компонент для достижения наилучшего качества классификации образцов и предсказания выживаемости.

Постер: https://doi.org/10.7490/f1000research.1117494.1