本研究使用癌症基因组图谱数据库TCGA ( https://portal.gdc.cancer.gov/ )中肺腺癌(LUSC)的多组学数据集，其中包括RNA-seq、miRNA和lncRNA三种类型的基因表达数据。由于噪声冗余特征可能会影响分类任务的性能，因此分别对每种组学数据类型进行了预处理和特征预选，详细信息见 表1 。

MOGCWMLP模型利用多视图图卷积神经网络(GCN)架构，结合了不同组学数据的特点，采用多个视图来表达不同的数据特征，最后通过加权融合进行分类诊断。MOGCWMLP的整体工作流程如 图1 所示。

在预处理和特征筛选后以去除噪声和荣誉特征后，使用GCN来学习每个组学数据类型的特征数据，其中使用皮尔逊相关性为每种类型数据构建样本相似性网络。

三种不同组学数据视图，分别表示为 $X_1$、 $X_2$、 $X_3$，每个视图的矩阵维度为 $N\ast D$，其中 $N$是样本数， $D$是每种组学数据的特征数，每种视图通过一个独立的图卷积网络进行处理，分别输入节点特征矩阵 $X$和样本相似性邻接矩阵 $A$，每一层图卷积通过特征矩阵 $X$和邻接矩阵进行信息传播，捕获结点间的关系。具体计算过程如公式(1)、(2)所示：

$H^{\left(l+1\right)}=\sigma \left(\hat{A}{H}^{\left(l\right)}{W}^{\left(l\right)}+b^{\left(l\right)}\right)$ (1)

$\hat{A}=D^{-1/2}A{D}^{-1/2}$ (2)

其中， $H^{\left(l\right)}$是第 $l$层的节点， $W^{\left(l\right)}$是该层的学习权重矩阵， $\hat{A}$是归一化的邻接矩阵如公式(2)所示， $b^{\left(l\right)}$是偏置项， $\sigma$是激活函数(ReLU)， $H^{\left(l+1\right)}$是GCN通过层间信息传播，输出每种视图的图卷积后的特征表示。

图卷积的目的是通过邻接矩阵捕捉样本间的关系，并通过权重矩阵 $W$学习每个视图中的特征。每一层图卷积都会生成新的特征表示，这些表示将会传递到下一层，直到得到最终的图卷积输出。通过图卷积网络有效利用样本之间的相关性和特征之间的关系，充分发挥了图卷积网络(GCN)在多组学数据表征中的优势，使模型在多视图框架下学习到更丰富的特征表示，从而提升分类性能。

在多组学数据的处理过程中，不同视图的特征重要性可能存在差异，因此需要采用加权融合机制来有效整合多个视图的信息。为了解决这一问题，我们对每个视图的输出特征赋予可学习的权重，然后对加权后的特征进行拼接，形成最终的特征向量 $X_{\text{final}}$，并将其输入到多层感知机(MLP)网络进行分类。该加权过程确保不同视图的特征在分类任务中按照其学习到的重要性进行贡献，以提升模型的决策能力。

在具体实现过程中，对每种视图最终输出的 $H^{\left(l\right)}$，通过学习的权重 $w_l$进行加权。这些权重初始化为均匀分布，并在训练过程中不断优化。通过优化，模型能够学习到各视图的相对重要性，并动态调整它们的贡献，以确保最具信息量的组学特征得到更高的关注度。该加权学习策略能够有效捕捉不同组学层之间的互补信息，从而增强模型学习到的特征表示的鲁棒性，具体计算过程如公式(3)所示。

$\text{Weighted}\_\text{features}={\displaystyle \underset{v=1}{\overset{V}{\sum }}{w}_l{H}^{\left(l\right)}}$ (3)

在加权特征拼接后，所得特征向量被传递到多层感知机(MLP)网络进行最终分类。MLP结构由多个全连接层组成，能够对拼接后的组学数据进行高阶特征抽象，从而更全面地理解癌症分期分类模式。其中每层的输出都会经过ReLU激活函数，以引入非线性并提升特征表达能力。最终输出层采用softmax激活函数，以计算每个类别的预测概率，从而保证模型能够以高置信度将每个样本分配到最可能的癌症分期类别。具体的MLP计算过程见公式(4)。

$\hat{y}=\text{MLP}\left({\text{X}}_{\text{final}}\right)$ (4)

加权融合策略最大化了最相关组学特征的贡献，确保从多个生物学视角中提取的信息能够得到最优整合。显著提高了癌症分期诊断的准确性，为个性化肿瘤治疗和临床决策提供了更加精确和数据驱动的框架。

为了验证所提出MOGCWMLP模型的优势，我们将MOGCWMLP模型与传统机器学习和深度学习模型进行比较，包括K近邻(KNN) [29] 、支持向量机(SVM) [30] 、LightGBM [31] 、MoGCN [28] 。所有模型采用默认参数，在肺鳞癌(LUSC)数据集上与现有模型的比较结果如 图2 所示。

从 图2 可以看出，MOGCWMLP模型在肺鳞癌(LUSC)数据集上的准确性(ACC)、精确性(Precision)、F1分数(F1_weighted)共三个评价指标最优，显示出模型具有有效诊断肺鳞癌(LUSC)样本的分期能力。其中准确性(ACC)达到了最高水平的0.8214，显著超越了其他模型，表明其在精准分类方面的优越性。精确性(Precision)达到了0.7458，说明该模型相较于其他方法产生的误判较少，分类决策更为可靠。MOGCWMLP在F1分数(F1_weighted)上同样表现最佳达到了0.7546，表明其在分类任务中实现了精确率与召回率的良好平衡，这对于癌症分期等任务尤为关键。值得注意的是，虽然MoGCN模型 [28] 也表现出较强的性能，但在所有指标上略逊于MOGCWMLP。而KNN、SVM和LightGBM等传统机器学习模型在分类准确率等方面的表现相对较低，进一步验证了图卷积网络(GCN)结合加权多层感知机(WMLP)融合策略的有效性。

实验结果表明，传统的机器学习方法依赖于人工特征工程，而MOGCWMLP通过GCN进行端到端的特征许欸小，能够自动挖掘多组学数据中的复杂模式，捕获疾病分期相关的关键特征。MOGCWMLP结合GCN和可学习的WMLP结构，使其能够更好地适应复杂的多组学数据分布，提高模型的泛化能力，从而在多个评估指标上超越MoGCN。MOGCWMLP充分整合了多组学数据，在癌症分期任务中优于传统机器学习方法及其他深度学习模型。模型利用GCN进行特征学习，并结合可学习的加权融合机制，能够有效提取多组学数据之间的复杂关系，从而提升分类性能。

为了进一步验证多组学数据整合能够提升分类性能，我们设计了一系列对比实验，评估了MOGCWMLP模型在不同组学数据组合下的表现。具体而言，我们比较了以下几种训练方式：1) 三种组学数据联合训练(mRNA + miRNA + lncRNA)；2) 两种组学数据联合训练(mRNA + miRNA, mRNA + lncRNA, miRNA + lncRNA)；3) 单一组学数据训练(mRNA, miRNA, lncRNA)。 图3 展示了不同组合下模型在分类准确性(ACC)、精确性(Precision)和F1分数(F1_weighted)三项指标上的表现。

从 图3 中我们可以分析得到使用三种组学数据(mRNA + miRNA + lncRNA)训练的MOGCWMLP模型在所有指标上均取得了最佳性能，验证了多组学数据的互补性，即不同组学数据能够提供不同层面的生物信息，有助于提高癌症分期的分类能力。两种组学数据联合训练的模型略优于单组学模型，进一步验证了多组学数据的互补性和信息融合的有效性。例如，miRNA + lncRNA组合的模型在分类任务中取得了较好的平衡性，而mRNA + miRNA组合在精确性以及F1分数上表现相对较弱。单组学模型的分类性能整体低于三种组学整合模型和两种组学整合模型接近，从生物学角度来看，癌症的发展涉及多个层面的基因调控，而mRNA、miRNA和lncRNA共同作用于基因表达调控过程，单独使用某一类型的组学数据可能无法全面刻画疾病的分子机制，限制了分类能力。因此多组学数据的联合分析可以更全面地揭示癌症分期的分子机制。

实验结果表明，MOGCWMLP通过加权融合多种组学数据，在分类任务中均取得了显著的性能提升。相比单组学数据，融合多种组学数据能够提供更加全面的信息支持，使得模型具备更强的泛化能力。进一步验证了MOGCWMLP在多组学数据整合和精准医学领域的应用潜力，为未来的癌症诊断和个性化治疗提供了重要的计算工具。

为了验证加权融合参数的有效性，我们进行了两种情况下的对比实验：一种是权重不可学习时，设置为固定均值；另一种是权重可学习时，模型能够动态调整不同视图的权重，随着训练的进行模型能够动态适应不同视图的重要性自动学习不同视图的重要性。这两种方式的比较结果如 图4 所示。

从 图4 中我们可以观察到，在分类准确性(ACC)、精确性(Precision)和F1分数(F1_weighted)三个指标上，可学习权重的模型均表现出优于固定权重的性能。这表明通过动态调整各视图的权重，模型能够更合理地融合多组学数据，提高最终的分类精度和诊断准确性。在固定权重的情况下，所有组学数据的贡献是相等的，但在实际应用中，不同组学数据对癌症分期的影响可能存在差异。例如，某些特定癌症可能更多地受到miRNA变化的影响，而在另一种癌症类型中，mRNA可能更具诊断价值。通过引入可学习权重，MOGCWMLP能够根据数据分布自动调整不同组学数据的贡献，使得模型适应性更强。在训练过程中，模型能够根据每个视图的贡献自动适应和学习不同视图的重要性，通过动态调整各视图的权重，模型能够避免某些视图对最终决策的不合理影响，使得多视图信息能够更加高效地融合，最大化利用多组学数据的互补信息，从而进一步提升了最终的分类精度和诊断准确性。

实验结果表明，可学习的加权机制显著提升了MOGCWMLP模型在多组学数据整合中的表现。相较于传统的固定权重方法，动态调整权重能够更好地捕捉不同组学数据的特征，避免信息丢失或过度偏倚。这一特性使得MOGCWMLP在癌症分期任务中具备了更高的稳定性和准确性，为精准医学中的多组学数据整合提供了有效的解决方案。

针对本研究使用的肺腺癌(LUSC)数据集，对模型提取出的前300个特征基因进行GO功能富集分析( 图5 )，以确定其生物学功能。在生物学过程(Biological Process, BP)分主要富集于皮肤发育(Epidermis Development)、角化(Keratinization)以及免疫相关反应，表明肺鳞癌特征基因与皮肤屏障功能及免疫系统密切相关。在免疫应答相关通路中，具体富集在抗菌体液免疫反应(Antimicrobial Humoral Response)、体液免疫反应(Humoral Immune Response)、抗菌体液免疫反应(Antimicrobial Humoral Immune Response Mediated by Antimicrobial Peptide)、抗菌体液反应(Antibacterial Humoral Response)，表明LUSC相关的特征基因与免疫调节过程密切相关，尤其涉及体液免疫及抗菌肽介导的抗菌免疫，这可能与肿瘤微环境中的免疫激活或抑制状态有关。细胞组分(Cellular Component, CC)分析主要富集于分泌颗粒腔(Secretory Granule Lumen)、胞质囊泡腔(Cytoplasmic Vesicle Lumen)、特异性颗粒腔(Specific Granule Lumen)、囊泡腔(Vesicle Lumen)，表明肺鳞癌特征基因在细胞囊泡运输过程中发挥重要作用，可能涉及分泌、内吞及胞外基质调控，这些过程可能影响肿瘤细胞的微环境适应性及免疫逃逸。分子功能(Molecular Function, MF)主要富集在丝氨酸肽酶活性(Serine-Type Peptidase Activity)、丝氨酸型内肽酶活性(Serine-Type Endopeptidase Activity)、内肽酶活性(Endopeptidase Activity)、肽酶抑制剂活性(Peptidase Inhibitor Activity)、丝氨酸型内肽酶抑制剂活性(Serine-Type Endopeptidase Inhibitor Activity)、内肽酶抑制剂活性(Endopeptidase Inhibitor Activity)，这些功能表明蛋白酶和蛋白酶抑制剂在肺鳞癌的发生发展中起关键作用。例如，丝氨酸蛋白酶参与肿瘤微环境重塑、炎症反应及细胞外基质降解，而蛋白酶抑制剂可能调控癌细胞的侵袭能力。

GO富集结果表明，肺鳞癌特征基因在角化、皮肤发育、免疫应答及蛋白水解酶调控方面具有显著富集，进一步验证了肺鳞癌起源于鳞状上皮细胞的特性。角蛋白及中间纤维的富集反映了细胞结构稳定性的重要性，而蛋白酶及趋化因子受体的作用暗示肺鳞癌可能通过调节细胞外基质降解和免疫微环境促进肿瘤进展。丝氨酸蛋白酶和其抑制剂可能成为潜在的靶向治疗点，调节蛋白酶活性可能影响肺鳞癌细胞的侵袭性和耐药性。