當前,全球癌癥患者數量呈逐年上升趨勢。癌癥驅動基因識別在探討癌癥的發生機制中扮演著重要角色,能夠為個性化精準治療提供策略。而現有方法在泛化性和可解釋性方面面臨挑戰。
中國科學院新疆理化技術研究所科研團隊與合作者,提出了可用于癌癥驅動基因識別的圖機器學習模型。這一模型融合人工智能與生物醫學的優勢,具備可靠的預測性能,兼具泛化性和可解釋性。該模型通過整合基因等生物分子的多組學數據以及同構/異構生物網絡的結構信息,提高了癌癥驅動基因預測的精確度,能夠更準確地識別出與癌癥發生發展密切相關的基因,為個性化治療方案提供科學依據。同時,癌癥驅動基因識別效率得到提升,利于癌癥早期診斷和治療策略制定。該模型通過解析多組學數據和網絡結構中的高階關聯,增強了可解釋性,為進一步探討癌癥的致病機制提供了線索,使得研究人員能夠剖析癌癥基因相關的調控機制,進而發現潛在的癌癥驅動基因。
該模型通過構建精準的癌癥基因調控圖譜,有望為個性化醫療和精準藥物研發開辟新途徑。同時,該模型在整合多組學數據和復雜網絡分析方面的優勢,使其具備跨疾病和跨領域應用的潛力。
相關研究成果發表在《自然-生物醫學工程》(Nature Biomedical Engineering)上。研究工作得到國家自然科學基金和中國科學院相關項目的支持。
論文鏈接
模型框架圖
本文鏈接:研究提出可用于癌癥驅動基因識別的圖機器學習模型http://www.lensthegame.com/show-12-631-0.html
聲明:本網頁內容由互聯網博主自發貢獻,不代表本站觀點,本站不承擔任何法律責任。天上不會到餡餅,請大家謹防詐騙!若有侵權等問題請及時與本網聯系,我們將在第一時間刪除處理。
上一篇: 研究原位捕捉真核核糖體動態翻譯周期