MapperPlus:用于精准医学的高维数据的不可知性聚类

科学领域:

• 计算生物学是一种计算生物学.
• 数据科学是数据科学.
• 精准医学是一门精准的医学.

背景情况:

• 精准医学需要将患者分层分成小组,以进行量身定制的治疗.
• 识别不同的患者集群是至关重要的,但由于未知的集群数量,有效性评估需求和临床解释性而具有挑战性.
• 现有的集群方法经常与这些复杂性作斗争.

研究的目的:

• 介绍MapperPlus,一个新的无监督集群管道,旨在解决患者分层的关键挑战.
• 使用扩展的拓方法与随机步行算法相结合,自动检测不连接的患者子组.
• 与传统集群方法相比,证明MapperPlus的优越性能和预测能力.

主要方法:

• 开发了MapperPlus,这是一个无监督的集群管道,扩展了拓式Mapper技术.
• 集成了两个随机步行算法来增强子组检测.
• 在各种公共数据集上验证了MapperPlus,包括医疗和非医疗数据.
• 将MapperPlus应用于小儿干细胞移植数据集,以评估其预测能力,以生存率对患者进行分层.

主要成果:

• MapperPlus有效地识别了不连接的患者子组.
• 该管道在关键准确性和性能指标方面优于传统的不可知论集群方法.
• MapperPlus通过将儿科干细胞移植患者分层成具有明显生存率的集群,证明了显著的预测能力.
• 集群的数量被自动检测出来,解决了患者分层的一个关键问题.

结论:

• MapperPlus是一个新且有效的无监督集群管道,用于精准医学中的患者分层.
• 该软件成功地解决了关键挑战,包括未知的集群号码,集群有效性评估和临床可解释性.
• 与传统方法相比,MapperPlus提供了显著的进步,为患者子组及其临床结果提供了有价值的见解.
• MapperPlus的开源可用性促进了其在医学研究中的采用和进一步开发.