一种用于预测遗传疾病结局的半监督生成对抗网络
机器学习
2020-07-03 v1 基因组学
机器学习
摘要
对于大多数疾病而言，构建大型带标签遗传数据数据库是一项昂贵且耗时的任务。为解决此问题，我们引入了遗传生成对抗网络（gGAN），这是一种基于创新 GAN 架构的半监督方法，旨在从少量带标签数据和大量无标签数据出发，创建大规模合成遗传数据集。我们的目标是仅根据个体的遗传图谱来确定其发展为该疾病严重形式的倾向。所提出的模型使用来自不同数据集和人群的真实遗传数据取得了令人满意的结果，其中测试人群可能具有不同的遗传图谱。该模型具有自我感知能力，能够判断一个新的遗传图谱是否与网络训练所用的数据具有足够的兼容性，从而确定其是否适合进行预测。代码和所用数据集可在 https://github.com/caio-davi/gGAN 找到。
引用
@article{arxiv.2007.01200,
title = {A Semi-Supervised Generative Adversarial Network for Prediction of Genetic Disease Outcomes},
author = {Caio Davi and Ulisses Braga-Neto},
journal= {arXiv preprint arXiv:2007.01200},
year = {2020}
}