新模型sPGGM：单样本水平，有效识别复杂疾病发展“临界点” | NSR

本研究由华南理工大学刘锐教授团队与佛山大学钟佳元博士合作，提出了一种名为样本扰动高斯图模型（sPGGM）的新计算框架，旨在解决复杂疾病发展过程中临界点识别的难题。背景方面，复杂疾病的发展通常经历正常阶段、前疾病阶段和疾病阶段三个阶段，其中前疾病阶段是疾病恶化的临界状态，准确识别该阶段对早期干预和治疗至关重要。研究目的是通过sPGGM模型，利用最优传输理论和高斯图模型，分析参照分布与扰动分布之间的动态差异，从而在单样本或单细胞水平上有效识别疾病进展中的临界点或前疾病阶段及其相关信号分子。结论表明，sPGGM在模拟数据和多种真实癌症数据（如结肠腺癌、甲状腺癌等）中表现出鲁棒性和有效性，能够准确识别前疾病阶段并挖掘动态网络标志物，相比现有单样本检测方法具有更优性能。该研究为复杂疾病的早期诊断和个性化医疗提供了新的量化分析工具。