面向癌症亚型预测的多组学AI模型

• 全文链接
• 请求原文

作   者：

曹云芳;  李东喜; 

作者机构：

太原理工大学大数据学院; 

关键词：

稀疏自编码器;  多模态;  特征提取;  癌症亚型;  多组学数据;  残差图卷积网络;  相似网络融合; 

期刊名称：

计算机工程与设计

i s s n：

1000-7024

年卷期：

2024 年 45 卷 008 期

页   码：

2454-2460

摘   要：

针对癌症亚型预测中仅使用单组学数据信息有限的问题，提出一种基于稀疏自编码器和相似网络融合的多组学癌症分型预测模型(multi-omics sparse auto-encoder, MOSAE)。利用稀疏自编码器提取患者特征向量，应用相似网络融合方法构建患者的相似度网络。基于患者特征向量和患者相似度网络利用残差图卷积网络构建预测模型。实验结果表明，在乳腺癌和卵巢癌数据上，所提模型识别亚型的准确率比现有方法分别提高了2.74%和19.74%。在TCGA的肺鳞状细胞癌和头颈部癌症数据上验证了MOSAE模型的优越性。