基于潜空间搜索的多式优化与个性化的边缘网络生物标志物,用于多用途的早期疾病预测
Jing Liang1,2, Zong-Wei Li1, Ze-Ning Sun1
1School of Electrical and Information Engineering, Zhengzhou University, Zhengzhou 450001, China.
Briefings in bioinformatics
|October 14, 2023
概括
这项研究引入了一种新模型,用于识别多式联网个性化动态边缘网络生物标志物 (PDENBs) 用于癌症预测. 该模型有效地优化了这些生物标志物,为个性化的早期疾病预测提供了重要的生物见解.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 系统生物学 系统生物学
背景情况:
- 癌症源于关键基因的突变,需要个性化生物标志物.
- 现有的方法在优化多式联络生物标志物以实现多用途早期疾病预测 (MPEDP) 方面存在困难.
研究的目的:
- 提出一种新的模型,MMPDENB-RBM,用于识别多式联网个性化动态边缘网络生物标志物 (PDENB).
- 在多式联络生物标志物存在时,解决MPEDP的优化挑战.
主要方法:
- 开发了MMPDENB-RBM模型,整合了PDENB理论,多式联运优化和潜在空间搜索.
- 将模型应用于来自癌症基因组图谱 (TCGA) 的大规模癌症基因组数据集.
主要成果:
- 与现有的方法相比,MMPDENB-RBM证明了对关键癌症状态的优越预测.
- 该模型展示了增强的融合,多样性,多式联运特性和优化能力.
- 鉴定了多模式的PDENBs,富含功能生物标记物,如癌症驱动器和疾病标记基因.
结论:
- 该研究强调了PDENBs的多模式性质,提供具有显著生物相关性的治疗生物标志物.
- 这些多式生物标志物支持药物查,生存风险评估和MPEDP新生物医学见解的多样化应用.
