multi-omics data | BriefGPT

关键词multi-omics data

搜索结果 - 10

隐私保护患者分层的联合非监督随机森林
通过无监督随机森林聚类和联合计算，建立了一个强大的框架来推进精准医学，实现有效的患者分层和疾病亚型划分，改进了疾病亚型的解释性，并优化了局部聚类性能。
PDF5 months ago
多组学数据中基于综合内外数据集关系的癌症亚型鉴定
该研究提出了一种新颖的方法，通过融合多组学数据实现对癌症亚型的识别。所提出的方法名为 LIDAF，利用基于不同组学数据之间和内部的线性关系的亲和矩阵（线性组间和组内数据亲和融合）进行聚类。该方法通过使用经典相关分析基于欧氏距离生成距离矩阵，
PDF7 months ago
跨断面和长期多视角数据整合的深度学习流水线
该研究提出了一种使用统计和深度学习方法集成多个来源的横断面和纵向数据、识别相关变量并提供深入生物学见解的流程，并将其应用于炎症性肠病的多组学数据，发现了可区分炎症性肠病状态的微生物通路、代谢物和基因，为炎症性肠病的病因提供了信息。
PDF7 months ago
基于多组学采样的图变压器模型用于合成致死性预测
合成致死（SL）预测用于确定两个基因的共突变是否导致细胞死亡，其中最常见的策略是将 SL 预测抽象为 SL 数据中基因节点的边分类任务，并通过图神经网络（GNNs）实现，然而，GNNs 在信息传递机制中存在一些局限性，包括过度平滑和过度压缩
PDF9 months ago
MoCLIM: 通过多组学对比学习与组学推理模型实现准确的癌症亚型划分
通过对多组学数据的分析，该研究利用 MoCLIM 框架，独立提取来自不同组学模式的信息特征，从而改善癌症亚型分类结果，并基于对不同组学模态的对比学习实现了癌症亚型的低维空间聚类。实验证据表明，该方法在少量高维癌症数据实例中显著提高了数据拟合
PDFa year ago
基于癌症多组学数据的多头注意机制学习癌症新亚型和治疗
我们提出了一个基于注意力机制的无监督对比学习框架（AMUCL），用于分析癌症多组学数据以识别和表征癌症亚型。其中，基于多头注意力机制的 DMACL 模型用于学习多组学数据特征和聚类，并识别新的癌症亚型。通过计算特征空间和样本空间中样本之间的
PDFa year ago
CLCLSA: 交叉组学链接嵌入，基于对比学习和自注意力的多组学一体化方法，可处理不完整的多组学数据
本文提出了一种基于深度学习的多组学（multi-omics）数据集成方法 CLCLSA，利用跨组学自动编码器学习生物数据的特征表示，采用多组学对比学习和自关注机制实现数据集成，通过在四个数据集上的实验证明其在应用不完整数据进行多组学分类上具
PDFa year ago
部分丢失的多组学协变量数据的预测方法：文献综述和实证比较研究
本文研究使用多组学数据作为协变量自动预测结果的方法，提供了现有预测方法的文献综述，并使用 13 个公开的多组学数据集比较了这些方法的预测性能，讨论了这些比较性研究的结果和初步结论。
PDFa year ago
计算肿瘤病理学中机器学习方法的综述、挑战和前景
本研究综述了计算病理学在肿瘤筛查、诊断和预后应用方面面临的挑战和前景，给出了从病理和技术角度的图像预处理方法和基于机器学习的方法，以及在乳腺、结肠、前列腺、肺和各种肿瘤疾病场景中应用计算病理学的情况。
PDF2 years ago
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
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
PDF2 years ago