ACMTF-R：教師ありマルチオミクスデータ統合による共有および固有の結果関連変動の解明

科学分野:

• バイオインフォマティクス
• 計算生物学
• データサイエンス

背景:

• 高次元の生物学的データには高度な融合技術が必要です。
• 現在のACMTFのような手法は結果の関連性が欠けており、NPLSは共有構造を特定できません。

研究 の 目的:

• マルチウェイデータのための新しい統合予測手法であるACMTF-Rを紹介します。
• マルチウェイデータを同時に分解し、結果関連変動を捉えます。

主な方法:

• 統合回帰ステップを備えたACMTFの拡張であるACMTF-Rを開発しました。
• 数学的基礎、最適化アルゴリズム、および実装を定式化しました。
• シミュレーションおよび実世界のマルチオミクスデータセットを通じてパフォーマンスを評価しました。

主要な成果:

• ACMTF-Rは、結果に関連する共有および固有の変動を堅牢に特定します。
• シミュレーションにおいて、NPLSおよびACMTFを上回る、結果関連の小さなコンポーネントを正常に回復しました。
• 実世界のデータセットで、母親のBMIに関連する新規の母子関係を特定しました。

結論:

• ACMTF-Rは、マルチオミクス研究におけるマルチウェイデータ融合のための汎用性の高いツールです。
• 従属変数の文脈における共通、局所、および固有の変動を効果的に統合します。
• 複雑な生物学的システムおよび世代間の影響に関する新たな洞察を提供します。