MoCLIM：通过含组学推断建模的多组学对比学习实现精准癌症分型
基因组学
2023-08-25 v2 人工智能
机器学习
摘要
精准医学的根本目标是建立失调生化机制与癌症亚型之间的因果关系。基于组学的癌症分型已成为一种革命性方法，因为不同层次的组学记录了癌症中多步过程的生化产物。本文致力于充分挖掘多组学数据潜力以改善癌症分型结果，由此开发了表示学习框架 MoCLIM。MoCLIM 从不同组学模态中独立提取信息性特征。利用由不同组学模态对比学习得到的统一表示，我们可将给定癌症的亚型良好聚类至较低潜空间。该对比可解释为生物网络中观察到的组间推断的投影。在六个癌症数据集上的实验结果表明，我们的方法在更少高维癌症样本下显著改善了数据拟合与分型性能。此外，我们的框架将多种医学评估作为最终组件，在医学分析中提供高可解释性。
引用
@article{arxiv.2308.09725,
title = {MoCLIM: Towards Accurate Cancer Subtyping via Multi-Omics Contrastive Learning with Omics-Inference Modeling},
author = {Ziwei Yang and Zheng Chen and Yasuko Matsubara and Yasushi Sakurai},
journal= {arXiv preprint arXiv:2308.09725},
year = {2023}
}
备注
CIKM'23 Long/Full Papers