变压器:在几代平台之间翻译毒基因组概况

科学领域:

• 毒素基因组学 毒素基因组学
• 计算生物学 计算生物学
• 生物信息学是一种生物信息学.

背景情况:

• 转录基因分析对于分析生物和毒理反应至关重要.
• 跨平台的不一致性限制了数据整合和历史毒基因组学数据集的重用.
• 开发用于跨平台数据翻译的计算方法对于利用传统资源至关重要.

研究的目的:

• 开发用于准确的基因表达数据的跨平台翻译的计算方法.
• 通过数据协调,最大限度地提高遗留毒基因组学数据集的实用性.

主要方法:

• 开发了TransPlatformer,这是一个使用基于注意力的架构的深度学习框架.
• 从微阵列到当前平台映射了高维折叠变换向量.
• 通过使用DrugMatrix数据集在三代技术上训练和评估模型,比较混合组织,单组织和跨组织范式与基线方法.

主要成果:

• 与混合组织训练的基线方法相比,TransPlatformer显著减少了50%以上的平均绝对误差,并将皮尔森相关性几乎翻了一番.
• 该框架有效地保存了罕见但生物学上重要的基因表达信号.
• 单个组织模型进一步提高了对表现良好器官的准确性,突出显示了对低样本组织数据增强的需求.

结论:

• TransPlatformer提供了一个有效和可扩展的解决方案,用于跨平台的转录数据翻译.
• 这种方法使基因表达数据的生物忠实协调成为可能,从而促进遗留数据集的重用.
• 这增强了下游生物标记物的发现,并支持毒理学中可重现的预测建模.