TILDA-X:通过可解释的人工智能来解释转录组信息的肺癌差异

科学领域:

• 计算生物学是一种计算生物学.
• 基因组学就是基因组学.
• 医学中的人工智能

背景情况:

• 肺癌在种族和性别群体的发病率和结果中表现出显著的差异.
• 现有的肺癌数据集因种族而失衡,可能会导致差异分析的偏见.
• 确定患者和队列特定的生物标志物对于向的肺癌治疗至关重要.

研究的目的:

• 开发一个可解释的AI框架 (TILDA-X) 来分析肺癌差异.
• 通过根据疾病状况而不是种族进行分类来缓解数据集中的种族不平衡.
• 使用转录组数据划分患者特异性和队列特异性差异信息.

主要方法:

• 开发了TILDA-X,这是一个可解释的AI框架,用于基于疾病状况 (肺腺癌,肺状细胞癌,健康) 的分类.
• 利用肺癌转录组数据集用于模型开发.
• 采用了自下而上的方法来确定不同种族和性别群体的队列特定差异信息.

主要成果:

• 基于疾病状况的分类在少数群体中实现了高准确度 (88-100%),优于基于种族的分类 (0-16%).
• 功能分析在不同种族和性别子组中确定了与肺癌相关的独特途径.
• 超过63%的确定的途径与现有的肺癌研究重叠,验证了这些发现.

结论:

• 蒂尔达-X框架提供了一种可靠和可解释的方法来描述种族和性别特异性肺癌差异.
• 这种方法支持精确瘤学,使得基于转录组概况的公平治疗方法的开发成为可能.
• 该研究强调了基于疾病状况的AI模型对于解决数据不平衡和揭示隐藏差异的重要性.