DeeP4med:用于P4医学的深度学习,用于预测多个人体组织中的正常和癌症转录组

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:

• P4医学 (预测,预防,个性化,参与) 强调个性化的疾病诊断和预测.
• 基因表达数据分析对于预测疾病状态至关重要.
• 深度学习模型提供了使用基因表达特征预测疾病的智能策略.

研究的目的:

• 开发一种深度学习模型,从匹配的正常样本中预测癌症基因表达 (mRNA) 矩阵,反之亦然.
• 评估模型在组织和疾病分类中的表现.
• 将模型的有效性与传统的机器学习算法进行比较.

主要方法:

• 设计了一个自动编码器深度学习模型,DeeP4med,结合了分类器和转移器.
• 该模型被训练来预测正常和癌症组织之间的基因表达矩阵.
• 使用F1分数和分类任务的准确度来评估性能.

主要成果:

• 根据组织类型,DeeP4med获得了高的F1评分,范围从0.935到0.999不等.
• 该模型表现出极好的准确性:组织分类为0.986%,疾病分类为0.992.
• 在预测准确度方面,DeeP4med的表现优于七个经典的机器学习模型.

结论:

• DeeP4med模型可以从正常组织中预测瘤基因表达,促进识别参与癌症发展的关键基因.
• 对预测矩阵的分析显示,与13种癌症类型的现有文献和数据库有很强的相关性.
• 这种方法可以从健康组织的基因表达来预测癌症诊断,并建议潜在的治疗干预措施.