可见神经网络用于多omics集成:一个批判性审查

科学领域:

• 计算生物学是一种计算生物学.
• 生物信息学是一种生物信息学.
• 医学中的人工智能

背景情况:

• 生物标志物发现和药物反应预测对于个性化医学至关重要.
• 生物知情神经网络 (BINN),也称为可见神经网络 (VNN),将先前的生物知识 (例如,基因本体学,通路数据库) 集成到神经网络架构中.
• 这些稀疏的模型提高了可解释性,并专注于生物学上有意义的功能.

研究的目的:

• 系统地审查和分析科学文献中BINNs/VNNs的当前格局.
• 确定建筑设计,数据源和BINN/VNN评估方法的关键趋势.
• 突出BINNs/VNNs在推进个性化医学的潜力.

主要方法:

• 进行了系统审查,确定了86篇相关的研究论文.
• 分析了选定的论文,以提取关于建筑设计,数据源和评估方法的信息.
• 综合发现以突出趋势并确定需要改进的领域.

主要成果:

• 在最近的文献中证明了BINN/VNN的日益普及和实施.
• 观察到缺乏标准化术语,计算工具和该领域的基准.
• 突出了建筑设计和评估方法的异质性.

结论:

• BINNs/VNNs显示了将生物见解整合到个性化医学预测模型中的重大前景.
• 解决目前缺乏标准化和计算工具的发展问题对于BINNs/VNNs的广泛采用和发展至关重要.
• 需要进一步的研究和社区努力,以建立最佳实践并促进这一领域的进展.