表达式图形网络框架用于生物标志物发现
Yang Liu1,2, Jason Huse1,3, Kasthuri Kannan1
1Department of Translational Molecular Pathology, University of Texas MD Anderson Cancer Center, 2130 W Holcombe Blvd, Texas 77030, United States.
Briefings in bioinformatics
|October 27, 2025
概括
一个名为表达图网络框架 (EGNF) 的新框架通过分析基因表达数据来增强复杂疾病的生物标志物发现. 这种方法提高了准确医学的预测准确性和可解释性.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 像癌症这样的复杂疾病需要从高维基基因表达数据中识别分子签名.
- 传统的方法与生物数据中的复杂关系作斗争.
- 生物标志物发现对于了解疾病机制和推进精准医学至关重要.
研究的目的:
- 介绍表达式图形网络框架 (EGNF) 进行增强的生物标志物发现.
- 通过整合图形神经网络和基于网络的特征工程来改善生物标志物的预测识别.
- 为复杂疾病研究制定一个强大且可解释的框架.
主要方法:
- 使用基因表达数据和临床属性构建生物知情网络.
- 用于患者特定的分子相互作用表示的等级聚类.
- 应用图形学习技术,包括图形卷积网络和图形注意网络,用于基因模块识别.
主要成果:
- 与传统的机器学习模型相比,EGNF在三个独立数据集中显示出更高的分类准确性和可解释性.
- 在正常和瘤样本之间实现了完美的分离.
- 成功分类疾病进展和预测治疗结果.
结论:
- EGNF是一种可扩展,可解释和强大的框架,用于复杂疾病中的生物标志物发现.
- 该框架在精准医学和阐明疾病机制方面提供了重要的应用.
- EGNF提升了发现复杂分子特征的能力,以改善诊断和治疗.
相关概念视频
02:26Protein Networks
4.5K
An organism can have thousands of different proteins, and these proteins must cooperate to ensure the health of an organism. Proteins bind to other proteins and form complexes to carry out their functions. Many proteins interact with multiple other proteins creating a complex network of protein interactions.
These interactions can be represented through maps depicting protein-protein interaction networks, represented as nodes and edges. Nodes are circles that are representative of a protein,...
These interactions can be represented through maps depicting protein-protein interaction networks, represented as nodes and edges. Nodes are circles that are representative of a protein,...
4.5K
02:26Protein Networks
2.8K
2.8K