La red neuronal de gráficos cooperados multiview permite una nueva clasificación de subtipos de cáncer multiómicos

Área de la Ciencia:

• Biología computacional
• La bioinformática
• Investigación del cáncer

Sus antecedentes:

• La heterogeneidad del cáncer plantea importantes desafíos para la salud pública.
• La integración de datos multiómicos ofrece una visión más profunda de la biología y el subtipo del cáncer.
• Los métodos existentes luchan con la escala de datos y el análisis de expresiones de características compartidas / individuales en todos los ómicos.

Objetivo del estudio:

• Desarrollar un modelo computacional avanzado para integrar y analizar datos multiómicos para la clasificación de subtipos de cáncer.
• Introducir la red neuronal de gráficos cooperados por múltiples vistas (MCgnn) como un clasificador eficaz de extremo a extremo.
• Mejorar la comprensión de la biología del cáncer e identificar biomarcadores potenciales a través del análisis óptico integrado.

Principales métodos:

• Construir una red de similitud utilizando los métodos de distancia y densidad de Mahalanobis.
• Empleando capas de convolución de gráficos apilados para capturar las características estructurales locales.
• Utilizando un mecanismo de atención para fusionar información complementaria a través de diferentes puntos de vista.
• Implementación de aprendizaje multitarea con un tensor cross-omics para el aprendizaje y la clasificación de características integradas.

Principales resultados:

• MCgnn demostró un rendimiento superior en la clasificación de subtipos de cáncer en comparación con los algoritmos existentes en los conjuntos de datos TCGA.
• El modelo exhibió capacidades de generalización robustas en múltiples tipos de cáncer.
• MCgnn identificó con éxito biomarcadores fundamentales, ofreciendo información valiosa para la medicina de precisión.

Conclusiones:

• MCgnn proporciona un marco eficaz para la integración de datos multiómicos para la investigación del cáncer.
• El modelo desarrollado avanza en la clasificación de subtipos de cáncer y el descubrimiento de biomarcadores.
• Este enfoque es prometedor para mejorar las estrategias de medicina de precisión en oncología.