Video Experimental Relacionado
Updated: Sep 8, 2025
Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
Protocolo para el uso de treeLFA para inferir patrones de multimorbilidad en forma de temas de enfermedad a partir de
Yidong Zhang1, Xilin Jiang2, Gil McVean3
1Department of Radiation Oncology, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100006, China; Chinese Academy of Medical Sciences Oxford Institute, Nuffield Department of Medicine, University of Oxford, Oxford OX3 7BN, UK; Big Data Institute, Li Ka Shing Centre for Health Information and Discovery, University of Oxford, Oxford OX3 7LF, UK.
Este estudio introduce un nuevo método, treeLFA, para identificar patrones en enfermedades co-ocurrentes. Esto ayuda a comprender las causas comunes de las enfermedades y a desarrollar mejores estrategias de salud.
Área de la Ciencia:
- Biología computacional
- Estadísticas biológicas
- Epidemiología
Sus antecedentes:
- La comprensión de la multimorbilidad es crucial para identificar los mecanismos patológicos compartidos que subyacen a las enfermedades co-ocurrentes.
- Los datos de diagnóstico a gran escala ofrecen información sobre los patrones de la enfermedad.
Objetivo del estudio:
- Presentar un protocolo para inferir grupos de multimorbilidad utilizando un nuevo modelo de tema.
- Permitir la identificación de temas de enfermedades a partir de datos de diagnóstico a gran escala.
Principales métodos:
- Utilizado el árbol LFA, un modelo de tema basado en la factorización de matriz no negativa binaria bayesiana.
- Se describen los procedimientos de instalación de software, preparación de datos y formación de modelos.
- Detalles de las etapas de posprocesamiento para resumir los resultados.
Principales resultados:
- El protocolo facilita la inferencia de patrones de multimorbilidad como temas de enfermedad distintos.
- Permite análisis posteriores para una comprensión más profunda de la co-ocurrencia de enfermedades.
Conclusiones:
- El protocolo presentado proporciona un marco sólido para analizar los patrones de multimorbilidad.
- Ayuda a descubrir las similitudes en los mecanismos de la enfermedad a través del modelado de temas basado en datos.
