基于因果关系的候选鉴定可用于可靠的DNA甲基化生物标记物发现.

科学领域:

• 生物医学科学 生物医学科学
• 计算生物学 计算生物学
• 遗传学 遗传学 是一个

背景情况:

• 发现DNA甲基化 (DNAm) 生物标志物对于医疗保健研究至关重要,但面临着挑战.
• 不可靠的候选物和混因素,如噪音和个体特征,阻碍了进展,增加了实验成本.

研究的目的:

• 开发一种可靠的方法来识别DNA甲基化生物标记者候选者.
• 为了克服当前DNAm生物标志物发现方法的局限性.

主要方法:

• 提出了一个因果驱动的深度规范化框架,整合因果思维,深度学习和生物先验.
• 采用对比方案和空间关系规范化来处理混因素和减少噪音.

主要成果:

• 该框架成功地加强了与疾病因果关系的相关性.
• 通过模拟和各种疾病,样本来源和测序技术的各种现实应用来验证可靠性.

结论:

• 这项研究提供了一个基于因果深度学习的工具,用于可靠的DNA甲基化生物标志物发现.
• 促进具有普遍生物医学意义的资源高效生物标志物识别.