影像+病理+转录组+基因组+蛋白组多模态的胶质瘤分型 R包已发布可以直接使用居然使用R语言分析的！

MOFSR包：https://github.com/Zaoqu-Liu/MOFS

胶质瘤是成人最常见的恶性脑肿瘤，其中IDH野生型胶质母细胞瘤（GBM）恶性程度最高，5年生存率不足10%。由于其基因组、转录组等层面的高度异质性，传统单模态分型难以精准指导治疗。近期发表于《Nature Communications》的研究通过整合影像-病理-蛋白基因组学多模态数据，构建了全新的分型框架，为胶质瘤精准诊疗提供了新思路。

一、数据来源

数据覆盖肿瘤的解剖（影像）、细胞（病理）、遗传（基因组）、功能（转录组/蛋白质组）多个维度，为多模态融合奠定基础
研究纳入1194例IDH野生型成人胶质瘤患者，按数据完整性分为三个队列：

FAHZZU1队列（122例）：包含完整多模态数据，包括术前多参数MRI（T1WI、CE-T1WI、T2WI等）、病理切片（WSI）、全外显子测序（WES）、RNA测序（RNA-seq）及蛋白质组学数据，作为核心训练集。
FAHZZU2队列（80例）：含RNA-seq和部分蛋白质组数据，用于验证。
FAHZZU3队列（992例）：仅含MRI数据，用于非侵入性模型验证。

二、数据处理

影像数据（MRI）：

先通过N4ITK 算法校正偏置场，再将多序列MRI（T1WI、CE-T1WI等）刚性配准至CE-T1WI模板，实现空间对齐；
由资深放射科医生手动勾画肿瘤感兴趣区域（VOI），包含增强区、非增强区及坏死区；
用PyRadiomics 提取5929个特征（一阶统计量、纹理特征等），通过组内相关系数（ICC ≥0.75）筛选出4271个可靠特征。

病理数据（WSI）：

将HE染色切片扫描为数字全切片图像，转换至Lab色彩空间后用Otsu 算法分割组织区域；
裁剪为1024×1024像素的病理块，用CellProfiler 提取细胞形态、密度等特征。

组学数据：

WES数据：构建突变二进制矩阵（0=野生型，1=突变），计算拷贝数变异（CNV），保留VAF≥5%的可靠突变；
RNA-seq数据：转换为log2(FPKM)值，标准化后保留高表达基因；
蛋白质组数据：归一化为log2强度值，确保样本间可比性。

特征筛选：计算各模态特征的中位数绝对偏差（MAD），选取高变异特征；结合聚类预测指数（CPI）和GAP统计量，确定最优输入特征组合（共2640种组合中筛选）。

三、多模态融合框架（MOFS）构建

新性地采用“中间融合+晚期融合”策略

中间融合：对122例FAHZZU1患者，把上一步得到的特征合并，通过多种聚类方法得到不同的聚类结果（11种结果）
晚期融合：将11组结果转换为二进制矩阵（样本-聚类标签，即这个样本种是否分到了这个cluster），计算样本间Jaccard相似度；通过“聚类的聚类（COCA ）”方法对10000次重抽样结果进行整合，最终确定最优聚类数为3（K=3），得到稳定的三亚型分型。