Apr, 2022
SDGCCA:基于监督学习的深度广义典型相关分析方法用于多组学数据整合
SDGCCA: Supervised Deep Generalized Canonical Correlation Analysis for Multi-omics Integration
Jeongyoung Hwang, Sehwan Moon, Hyunju Lee
TL;DR该研究提出了多组学数据集成的一种新方法,称为 SDGCCA。SDGCCA 能够建模非线性多种组学流形之间的相关结构,旨在改善表型分类并揭示与表型相关的生物标志物。应用于老年痴呆症患者的预测和早期和晚期癌症的区分中,SDGCCA 表现出优异的性能,还能用于特征选取以识别重要的多组学生物标记物。在老年痴呆症数据中,SDGCCA 识别了与老年痴呆症相关的基因簇。