多视图对比集群用于癌症亚型,使用完全和弱配对的多omics数据
Yabin Kuang1, Minzhu Xie1, Zhanhong Zhao1
1College of Information Science and Engineering, Hunan Normal University, China.
Methods (San Diego, Calif.)
|October 18, 2024
概括
这项研究介绍了Subtype-MVCC,这是一种使用多omics数据进行癌症亚型识别的新型计算模型. 它有效地处理丢失的数据和弱配对的omics,改进精准医学策略.
科学领域:
- 计算生物学是一种计算生物学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 癌症亚型的识别对于精准医学和个性化治疗至关重要.
- 高通量测序产生了大量的多omics数据,使得计算癌症亚型化.
- 整合多omics数据是具有挑战性的,因为缺失的值和弱配对的omics.
研究的目的:
- 开发一种新的无监督癌症亚型模型.
- 为了有效地处理缺少数据的弱配对的多omics数据集.
- 提高癌症亚型的准确性和可靠性,用于临床应用.
主要方法:
- 建议的MVCC亚型,使用图形卷积网络的无监督模型.
- 用于特征提取的内部视图和面试对比学习.
- 使用加权平均融合策略来统一omics数据维度.
主要成果:
- 亚型MVCC在基准数据集上表现优于九个领先的计算模型.
- 该模型在不同缺失数据水平的模拟中表现出强大的性能.
- 鉴定的亚型显示出临床相关性和显著的生存结果关联.
结论:
- 亚型MVCC有效地解决了用于癌症亚型的多主题数据集成方面的挑战.
- 该模型提供了一种可靠和可解释的方法来识别临床相关的癌症亚型.
- 这一进步支持开发更精确的癌症治疗和预防策略.
更多相关视频
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
1.2K
07:41Performing Data Mining And Integrative Analysis Of Biomarker in Breast Cancer Using Multiple Publicly Accessible Databases
Published on: May 17, 2019
8.9K
