摘要目的 提出基于一致性聚类集成的多组学数据整合方法(multi-omics data integration with consensus clus-tering ensemble,MICCE),探讨MICCE方法在低级别胶质瘤(lower-grade gliomas,LGG)分子分型中的应用,识别预后高风险患者,筛选与LGG进展相关的差异基因以及重要通路.方法 采用一致性聚类集成方法集成LGG患者多组学数据整合分型的 7 种方法(SNF、joint SNF、CIMLR、ConsensusClusterPlus、MoCluster、NEMO、iClusterBayes),得到一致性分型结果,采用Cox回归研究不同分型患者的预后风险;进一步筛选出DEmRNAs(differentially expressed mRNAs),DEmiRNAs(differentially expressed miRNAs)和DMGs(differentially methylated genes),并对差异基因进行GO生物功能注释和KEGG通路分析;最后进行免疫细胞浸润和通路活性分析.结果 LGG患者分为预后高危组,中危组和低危组,其中高危组的死亡风险是低危组的7.70 倍;筛选出2512 个DEmRNAs,14 个DEmiRNAs和255 个DMGs,包括5 个核心基因;将基因联合分析得到的665 个重合基因进行GO富集和KEGG富集分析,得到62 条GO富集项和52 条KEGG富集项;免疫细胞浸润和通路活性分析表明,存在显著差异的 2 种浸润细胞和 4 条通路.结论 MICCE能够有效识别出LGG预后高风险患者,并发现与LGG进展相关的差异基因和不同亚型的肿瘤相关通路,为LGG的个性化治疗提供重要线索.