相关实验视频
Updated: Jun 14, 2025
08:16
Comparative Lesions Analysis Through a Targeted Sequencing Approach
Published on: November 5, 2019
6.7K
深度神经网络集成到基于网络的分层 (D3NS):一种从体质突变发现癌症亚型的方法
Matteo Valerio1, Alessandro Inno1, Alberto Zambelli2
1Medical Oncology, IRCCS Sacro Cuore Don Calabria Hospital, 37024 Negrar di Valpolicella, Verona, Italy.
Cancers
|August 29, 2024
概括
一种新的深度神经网络方法,D3NS,通过体质突变对瘤进行分层,识别与生存和精准医学临床结果相关的亚型.
科学领域:
- 在瘤学瘤学.
- 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:
- 瘤亚型的识别对于精准医学至关重要,能够进行准确的诊断和个性化癌症治疗.
- 身体突变驱动癌症的发展,改变组织功能和形态.
- 通过将深度学习与网络分析相结合,可以增强当前的分层方法.
研究的目的:
- 提出一种新的深度神经网络,集成到基于网络的分层框架 (D3NS) 中,用于基于体质突变的瘤分层.
- 利用深度学习来揭示基因相互作用网络中的基因组数据中隐藏的模式.
- 用现实世界癌症数据验证D3NS方法.
主要方法:
- 开发了集成到基于网络的分层框架 (D3NS) 的深度神经网络.
- 综合基因相互作用网络知识,具有深度神经网络能力.
- 将D3NS应用于癌症基因组图集 (TCGA) 的膀,卵巢和癌数据集.
主要成果:
- 成功地根据体质突变档案将瘤分为不同的亚型.
- 确定了与显著不同生存率相关的瘤亚型.
- 确定亚型与瘤阶段,等级和治疗反应等临床结果之间有显著的关联.
结论:
- D3NS提供了一种强大的计算工具,用于使用体质突变数据进行瘤分层.
- 该方法可以作为癌症研究的基础模型.
- D3NS具有临床应用的潜力,有助于个性化癌症治疗策略.
