使用树LFA从生物库中的诊断数据推断疾病主题形式的多病态模式的协议
Yidong Zhang1, Xilin Jiang2, Gil McVean3
1Department of Radiation Oncology, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100006, China; Chinese Academy of Medical Sciences Oxford Institute, Nuffield Department of Medicine, University of Oxford, Oxford OX3 7BN, UK; Big Data Institute, Li Ka Shing Centre for Health Information and Discovery, University of Oxford, Oxford OX3 7LF, UK.
STAR protocols
|September 6, 2025
概括
这项研究引入了一种新的方法 - - treeLFA,用于识别并发疾病的模式. 这有助于了解常见的疾病原因,并制定更好的健康策略.
科学领域:
- 计算生物学
- 生物统计学
- 流行病学
背景情况:
- 了解多病症对于确定共同发生的疾病背后的共同病理机制至关重要.
- 大规模的诊断数据提供了疾病模式的洞察力.
研究的目的:
- 通过使用新型主题模型推断多病症集群的协议.
- 通过大规模的诊断数据来确定疾病主题.
主要方法:
- 使用树LFA,一个基于贝叶斯二进制非负矩阵分解的题型.
- 描述了软件安装,数据准备和模型培训程序.
- 详细的后处理步骤来总结结果.
主要成果:
- 该协议有助于推断多病态模式作为不同的疾病主题.
- 能够进行下游分析,以更深入地了解疾病的同时发生.
结论:
- 本方案为分析多病症模式提供了一个强大的框架.
- 通过数据驱动的主题建模,帮助揭示疾病机制的共同点.
