提出了一个基于多方面图的路径模型，一种考虑流逝时间的新的路径相似度度量，以及一种基于传统中心性度量的路径挖掘方法，通过评估妊娠和糖尿病的病例，展示了该框架在发现类似路径、易于解释的表示以及根据多方面视角突出显示最重要模式方面的实用性。

Sep, 2023

通过混合隐马尔可夫模型对长期疾病患者轨迹进行亚群分组，从而实现个性化医疗，该模型在研究中表现出较常见基准的优势

Apr, 2024

本研究开发了基于相互排斥、患者覆盖和驱动因子网络浓度原则的 $C^3$ 算法，可以在大规模癌症基因组研究中更高效、可靠地识别突变模式和驱动通路，并在 TCGA 乳腺癌和胶质母细胞瘤数据上的测试中优于 CoMEt 方法。

Jan, 2016

本研究提出了一种控制子树用于表示图形特征的复杂性的新核函数，并在分类有毒和非有毒分子方面使用支持向量机进行了实验验证。

Sep, 2006

该研究提出了一种新的方法，利用多项逻辑回归、非平滑非负矩阵分解 (nsNMF) 和支持向量机 (SVM) 等算法，从全序列数据中提取遗传信息以更好地预测癌症类型。实验表明，该方法在突变计数、突变得分等方面均表现优异，可用于其他疾病分类和通路发现研究。

Sep, 2018

通过提出一种新的聚类方法，我们可以利用基因表达谱划分癌症亚型，提高聚类效果，并与医学分析方法相结合，进一步证明其与患者生存率的高相关性。

Jun, 2022

Orchard 算法重构了最多 300 个突变的癌症进化树，并采用基于图的聚类算法推断出具有遗传差异的肿瘤细胞群的突变群集。

Nov, 2023

该研究旨在通过使用双分图表示患者和医生之间的关系，将患者和医生之间的相似性作为时间敏感预测模型的潜在表示方法，并对慢性淋巴细胞白血病患者进行治疗首次疗程的预测实验，结果表明与多个基线相比，和关系相似度能够提高预测准确率达到 5%。

Jul, 2019

本研究提出了一种新的方法，使用基因表达数据进行癌症分类问题的解决，首先运用信噪比算法筛选出非冗余基因的子集，然后运用多目标粒子群算法进行特征选择，并采用自适应 K 最近邻算法进行癌症分类，从而提高了癌症分类的准确性。

May, 2022

使用核测试框架可以在单细胞水平上进行分子特征的比较，从而有效的识别细胞群体的异质性。

Jul, 2023