路径变换器:一种基于生物路径的变换器,用于使用多omics数据进行疾病诊断和预后

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:

• 多omics数据提供了全面的基因调节见解,对于复杂疾病诊断至关重要,如癌症.
• 传统的整合方法往往忽视了先前的生物学知识,缺乏解释性.

研究的目的:

• 开发一种可解释的多学科整合方法,用于疾病诊断和预后.
• 以提高癌症诊断,生存预测和药物反应预测使用生物通路信息.

主要方法:

• 开发了Pathformer,这是一个生物通路信息的变压器模型.
• 利用紧的多模向量和基于路径的稀疏神经网络进行多omics集成.
• 采用交叉注意力机制来捕捉路径和模式交叉交谈.

主要成果:

• 在多个癌症数据集上,Pathformer的表现优于18种可比方法,在F1得分上显著改善了生存,阶段和药物反应预测.
• 通过对癌症预后的案例研究证明了生物解释性,确定了关键途径及其交叉通话.
• 展示了癌症查中的潜在临床应用,使用液体活检数据 (血和血小板).
• 在癌症患者的血液中揭示了途径放松调节和交叉通话,这表明了潜在的治疗点.

结论:

• 路径提供了一个有效和可解释的方法,用于在癌症研究中的多omics数据集成.
• 该方法有望促进早期癌症诊断,预后和个性化治疗策略的发展.
• 确定了对癌症途径及其与潜在临床相关性的相互作用的新生物学见解.