通过多模态学习整合表观遗传与表型特征用于癌症患者的生物学年龄估计
基因组学
2025-11-11 v1
摘要
生物学年龄可能因遗传倾向、环境暴露等因素而年长或年轻，作为衰老过程的有意义生物标志物，可为癌症患者的风险分层、治疗规划和存活护理提供信息。我们提出EpiCAge，一个多模态框架，整合表观遗传与表型数据以改进生物学年龄预测。在八个内部和四个外部癌症队列上评估，EpiCAge始终优于现有的表观遗传和表型年龄钟。我们的分析表明，EpiCAge识别出生物学相关标记，其派生的年龄加速度与死亡风险显著相关。这些结果突出了EpiCAge作为癌症患者生物学年龄评估的有前景的多模态机器学习工具。
引用
@article{arxiv.2511.07219,
title = {Integrating Epigenetic and Phenotypic Features for Biological Age Estimation in Cancer Patients via Multimodal Learning},
author = {Shuyue Jiang and Wenjing Ma and Shaojun Yu and Chang Su and Runze Yan and Jiaying Lu},
journal= {arXiv preprint arXiv:2511.07219},
year = {2025}
}