利用深度学习神经网络对急性髓系白血病中 FLT3-ITD 突变进行蛋白质组学分析
定量方法
2018-01-04 v1 机器学习
机器学习
摘要
深度学习可显著惠及癌症蛋白质组学与基因组学。在本研究中，我们试图确定一组与新诊断急性髓系白血病患者中 FLT3-ITD 突变相关的关键蛋白。一个由自编码器构成的深度学习网络形成了层次化模型，无需带标签的训练数据即可从中提取高层特征。降维将关键蛋白的数量从 231 个减少到 20 个。深度学习发现 FLT3-ITD 突变与这 20 个关键蛋白的水平之间具有极好的相关性（准确率 97%、灵敏度 90%、特异度 100%）。我们的深度学习网络能够锁定与 FLT3-ITD 关联最强的 20 个蛋白。本研究的结果提供了一种确定 FLT3-ITD 突变中关键蛋白通路的新途径，并为在癌症蛋白质组学与基因组学中对大数据建模的精确方法提供了概念验证。
引用
@article{arxiv.1801.01019,
title = {Proteomics Analysis of FLT3-ITD Mutation in Acute Myeloid Leukemia Using Deep Learning Neural Network},
author = {Christine A. Liang and Lei Chen and Amer Wahed and Andy N. D. Nguyen},
journal= {arXiv preprint arXiv:1801.01019},
year = {2018}
}
备注
12 pages, 4 figures, 2 tables