基因组与临床数据理论与数据驱动建模的集成流水线
基因组学
2020-05-07 v1 机器学习
定量方法
摘要
RNA-Seq 与微阵列等高通量基因组测序技术可通过在精细水平上对基因组进行高通量测量，变革临床决策与生物医学研究。然而，要真正理解疾病成因与医疗干预效果，必须将此类数据与个人表型、环境及行为数据相整合。此外，需要能推断这些数据类型间关系的有效知识发现方法。本工作中，我们提出一条从整合基因组与临床数据中发现知识的流水线。该流水线始于一种新颖的变量选择方法，并使用概率图模型理解数据中各特征间的关系。我们展示了该流水线如何改进乳腺癌结局预测模型，并提供对测序数据的生物学可解释视图。
引用
@article{arxiv.2005.02521,
title = {A Pipeline for Integrated Theory and Data-Driven Modeling of Genomic and Clinical Data},
author = {Vineet K Raghu and Xiaoyu Ge and Arun Balajee and Daniel J. Shirer and Isha Das and Panayiotis V. Benos and Panos K. Chrysanthis},
journal= {arXiv preprint arXiv:2005.02521},
year = {2020}
}
备注
16 pages, 8 figures, Presented at the ACM SIGKDD Workshop on Data Mining in Bioinformatics (BioKDD, 2019)