PACS：基于多头注意力机制模型从多组学数据预测与分析癌症亚型
定量方法
2023-08-23 v1 机器学习
多媒体
摘要
由于癌症的高度异质性和临床特征，不同癌症亚型在多组学数据和临床特征上存在显著差异。因此，准确分类癌症亚型有助于医生选择最合适的治疗方案，改善治疗效果，并提供更精确的患者生存预测。在本研究中，我们提出了一种有监督多头注意力机制模型（SMA）来成功分类癌症亚型。SMA 模型的注意力机制和特征共享模块能够成功学习多组学数据的全局与局部特征信息。其次，它通过融合模块深度融合来自 Siamese 的多头注意力编码器，从而丰富模型参数。经大量实验验证，在模拟、单细胞和癌症多组学数据集上，与基于 AE、CNN 和 GNN 的模型相比，SMA 模型取得了最高的准确率、宏 F1、加权 F1，并对癌症亚型进行了准确分类。因此，我们的基于注意力的方法有助于未来的多组学数据研究。
引用
@article{arxiv.2308.10917,
title = {PACS: Prediction and analysis of cancer subtypes from multi-omics data based on a multi-head attention mechanism model},
author = {Liangrui Pan and Dazheng Liu and Zhichao Feng and Wenjuan Liu and Shaoliang Peng},
journal= {arXiv preprint arXiv:2308.10917},
year = {2023}
}
备注
Submitted to BIBM2023