QIGTD:识别肺腺癌与张量分解的演变中的关键基因
Bolin Chen1,2, Jinlei Zhang3, Ci Shao3
1School of Computer Science, Northwestern Polytechnical University, Xi'an, 710012, China. blchen@nwpu.edu.cn.
BioData mining
|September 5, 2024
概括
这项研究引入了带有张量分解 (QIGTD) 的基因的量化重要性,以分析随时间推移的动态基因网络. QIGTD有效地识别肺腺癌等复杂疾病中的关键基因,优于现有的方法.
科学领域:
- 系统生物学 系统生物学
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 了解复杂疾病的病原体需要识别关键基因.
- 传统的方法往往错过了跨疾病阶段生物分子网络的动态变化.
- 研究时间基因网络动态对于疾病发展的洞察至关重要.
研究的目的:
- 开发一种用于分析生物分子网络时间变化的新方法.
- 通过捕捉动态网络变化来识别关键基因.
- 为了解疾病机制提供一个工具,以肺腺癌 (LUAD) 为例.
主要方法:
- 提议用张量分解 (QIGTD) 量化基因的重要性.
- 构建的时间序列网络集成内部和网络间的时间信息.
- 利用三次张量分解来捕捉拓和时间网络特征.
主要成果:
- 在精确度方面,QIGTD超过了对LUAD数据集的基准方法 (T度,T接近度,T间距) 和mAP.
- 在前50个与LUAD (DisGeNET数据库) 高度相关的基因中,确定了29个.
- 发现36个基因在与LUAD相关的基因本体学 (GO) 术语中显著丰富.
结论:
- QIGTD有效地捕获时间基因网络动态,并识别关键基因.
- 该方法为研究生物网络时间动态提供了一种有价值的方法.
- QIGTD有助于理解疾病机制,特别是对于LUAD.


