AttOmics:基于注意力的架构,用于从omics数据中进行诊断和预后
Aurélien Beaude1,2, Milad Rafiee Vahid3, Franck Augé2
1IBISC, Université Paris-Saclay, Univ Evry, 23 Boulevard de France, Evry-Courcouronnes 91020, France.
Bioinformatics (Oxford, England)
|June 30, 2023
概括
AttOmics是一种新的深度学习模型,利用自我注意力来分析omics数据用于精准医学. 它准确地预测了较少参数的患者表型,为分子相互作用提供了新的见解.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 高通量omics数据越来越多地可用于个性化医学.
- 深度学习模型对于分析omics数据至关重要,但与高维度和有限的训练集扎.
- 目前的模型未能在omics配置文件中捕捉患者特定的分子相互作用.
研究的目的:
- 为了介绍AttOmics,一个新的深度学习架构,专为精密医学设计.
- 解决现有的深度学习模型在处理omics数据方面的局限性.
- 开发一种可以识别患者特异性分子相互作用的模型.
主要方法:
- 将omics配置文件分解为特征组.
- 将自我注意力机制应用于这些群体.
- 开发了Attomics深度学习架构的开发.
主要成果:
- 艾特奥米克斯准确地预测了患者的表型.
- 与传统的深度神经网络相比,该模型需要更少的参数.
- 注意地图提供了对表型决定分子组的见解.
结论:
- AttOmics提供了一种有效的方法,用于使用omics数据进行表型预测.
- 自我注意力机制使得能够捕捉到患者特定的互动.
- 该模型推进了深度学习在精准医学中的应用.
更多相关视频
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
1.3K
07:41Performing Data Mining And Integrative Analysis Of Biomarker in Breast Cancer Using Multiple Publicly Accessible Databases
Published on: May 17, 2019
9.0K
