一种基于拓数据分析的新方法,用于在精密医学中发现子组
Ciara F Loughrey1, Sarah Maguire2, Paweł Dłotko3
1School of Electronics, Electrical Engineering and Computer Science, Queen's University Belfast, Belfast, UK.
BMC medical informatics and decision making
|March 19, 2025
概括
这项研究为Mapper算法引入了一个新的热点检测算法,改进了患者数据中的子组发现. 该方法确定最佳的Mapper参数,使复杂的疾病模式和患者分层更好地分析.
科学领域:
- 计算生物学是一种计算生物学.
- 数据挖掘是一种数据挖掘.
- 拓学数据分析的分析.
背景情况:
- 映射算法可视化患者数据作为疾病理解的相似度图.
- 目前的局限性包括复杂的参数选择和手动图形分析.
- 这阻碍了在现实环境中的常规应用.
研究的目的:
- 开发一种新的算法,用于在Mapper图形中发现子组.
- 为了应对Mapper算法最佳参数选择的挑战.
- 为了确定同质和独特的患者子组 (热点).
主要方法:
- 提出了一种热点检测算法,用于在Mapper图表中发现子组.
- 综合热点存在作为参数空间搜索的标准.
- 将算法应用于人工和现实世界乳腺癌数据集.
主要成果:
- 在两圈数据集中成功识别了同质社区.
- 发现了一个ER+乳腺癌患者的热点,预后不佳,基因表达明显.
- 在一个独立的乳腺癌数据集中证实了这一发现.
结论:
- 拟议的方法有效地促进了用病理学数据发现子组.
- 能够识别最佳的Mapper算法参数.
- 弥合了Mapper的潜力和翻译研究应用之间的差距.
