netMUG:一种新的网络引导的多视图聚类工作流程,用于剖析遗传和面部异质性

科学领域:

• 计算生物学是一种计算生物学.
• 生物信息学是一种生物信息学.
• 精准医学是一门精准的医学.

背景情况:

• 多视图数据分析增强了个性化医疗的个性化特征.
• 识别可操作的子组对于定制的预防,诊断和治疗至关重要.

研究的目的:

• 开发一个以网络为导向的多视图集群框架 (netMUG),用于识别可操作的个别子组.
• 为了利用多视图功能和个人特定网络来精细化健康分层.

主要方法:

• netMUG使用稀疏的多重规范相关性分析来进行多视图特征选择.
• 个体特定网络 (ISN) 是由选定的特征构建的.
• 层次聚类适用于ISN,用于自动导出子类型.

主要成果:

• netMUG成功地从基因组和面部数据中识别了BMI信息的多视图层,有助于肥胖的特征.
• 基准分析表明,netMUG的性能优于现有的多视图集群方法.
• 实时数据分析揭示了与BMI及其遗传/面部决定因素相关的子组.

结论:

• netMUG提供了一种强大的策略,通过利用个体特定的网络来识别有意义和可操作的层.
• 该框架可对各种数据源进行概括,并可适应突出复杂的数据结构.