生物MTAN:一个生物知识引导的多任务注意网络,用于共同增强癌症诊断和预后

科学领域:

• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 基因表达数据对于精准医学中的癌症诊断和预后至关重要.
• 生物途径提供了有价值的先验知识,但现有的方法往往忽视了诊断和预后任务之间的联系.
• 在任务中整合共享的生物信息可以改善基因路径表示.

研究的目的:

• 引入生物知识引导的多任务注意网络 (BioMTAN),这是一个新的多任务学习框架.
• 使用基因表达数据同时预测分子亚型和生存风险.
• 在诊断和预后任务之间利用共享的生物途径信息.

主要方法:

• 开发了BioMTAN,这是一个整合生物途径的多任务学习框架.
• 编译了针对诊断和预后任务的多个途径的定制知识集合,以子图为模型.
• 利用多层次的信息融合策略和多任务注意模块用于任务意识的特征提取和跨任务通信.

主要成果:

• 在癌症基因组图谱 (TCGA) 数据集中,BioMTAN表现出增强的性能.
• 该框架成功地整合了生物途径,以改善癌症诊断和预后.
• 确定了对每个特定任务至关重要的重要途径.

结论:

• 通过将生物途径整合到多任务学习框架中,BioMTAN有效地提高了癌症诊断和预后.
• 开发的多任务注意模块促进了跨任务有效的信息共享.
• 生物MTAN显示出作为精密瘤学中一个有价值的工具的巨大潜力.