羊:从多个Omics数据中发现基因水平的生物标志物,使用图形 ATattention神经网络用于eosinophilic喘亚型

科学领域:

• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 喘是一种复杂,异质的疾病,分子亚型不明.
• 发现喘亚型的分子生物标志物对于向治疗至关重要.
• 多omics数据提供了潜力,但由于复杂的inter-omics层相互作用,它也带来了挑战.

研究的目的:

• 开发一种深度学习模型,用于识别使用多omics数据的eosinophilic喘亚型的分子生物标志物.
• 为了利用图表注意力神经网络,为生物标志物发现建模基因相互作用.

主要方法:

• 通过使用图形ATtention神经网络 (GOAT),深度注意力模型,从多Omics数据中提议的基因水平生物标志物发现.
• 采用了来自COREA喘队列 (300名患者) 的多omics概况.
• 采用图形神经网络和注意力机制来识别歧视性基因和模型基因间关系.

主要成果:

• GOAT在识别歧视eosinophilic喘亚型的基因方面表现优于现有的模型.
• 该模型揭示了喘亚型背后的可解释的生物机制.
• GOAT确定了关键基因,包括转录因子CTNNB1和JUN,这对酸性喘病理生理学至关重要,即使在基因表达层面上没有区别.

结论:

• GOAT是一种有效的深度学习方法,用于在喘等复杂疾病中发现多omics生物标志物.
• 该模型成功地确定了新的生物标志物,并阐明了潜在的生物机制.
• 研究的转录因子CTNNB1和JUN强调了该模型能够揭示微妙但重要的生物学见解的能力.