DG-MSGAT:一个生物知情差异基因多尺度图注意网络,用于预测直肠癌中新辅助疗法反应

科学领域:

• 在瘤学瘤学.
• 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:

• 准确预测新辅助疗法疗效对于直肠癌患者的治疗结果至关重要.
• 个性化治疗策略和减少干预取决于预测病理完整反应 (pCR).
• 现有的预测模型往往忽视了基因相互作用,并与高维基基因表达数据作斗争.

研究的目的:

• 开发一种新的,生物知情模型,用于预测直肠癌中新辅助疗法反应.
• 通过整合差异性基因表达和多尺度基因相互作用来解决现有模型的局限性.
• 为了提高病理完整反应 (pCR) 预测的准确性.

主要方法:

• 使用基因表达特征和差异表达信号构建患者特定的基因图,边缘基于蛋白质-蛋白质相互作用.
• 采用了差异基因多尺度图表注意力网络 (DG-MSGAT),这是一个多尺度图表注意力网络,有堆叠的注意力层和剩余连接.
• 建模了层次基因依赖性和保存特征完整性,以估计pCR概率.

主要成果:

• 在预测局部晚期直肠癌的新辅助疗法疗效方面,DG-MSGAT显著优于传统算法 (SVM,决策树,随机森林).
• 网络分析确定了关键基因 (例如TP53,EGFR,CTNNB1) 和与治疗反应相关的免疫相关途径.
• 该模型在临床环境中表现出强大的性能.

结论:

• 该DG-MSGAT模型在预测直肠癌的新辅助疗法结果方面取得了重大进展.
• 它有效地模拟复杂的基因相互作用,并克服高维基因表达数据的挑战.
• 总局-MSGAT提供了一个临床相关的工具,以指导个性化治疗决策.