SubOmiEmbed：用于癌症类型分类的多组学数据自监督表示学习
机器学习
2022-02-04 v1 定量方法
摘要
对于个性化医疗而言，高维组学数据中蕴含着非常关键的内在信息，但由于分子特征数量庞大而可用样本稀少，这些信息难以被捕捉。不同类型的组学数据展现了样本的不同方面。多组学数据的整合与分析为我们提供了肿瘤的宏观视图，从而可改善临床决策。组学数据（主要是 DNA 甲基化与基因表达谱）通常是具有大量分子特征的高维数据。近年来，变分自编码器（VAE）已被广泛用于将有图像和文本数据嵌入到低维潜在空间中。在本项目中，我们拓展了使用 VAE 模型进行低维潜在空间提取的思路，并结合特征子集化的自监督学习技术。借助 VAE，核心思想是使模型从不同类类型的组学数据中学习有意义的表示，进而用于癌症类型分类等下游任务。主要目标是克服维数灾难，并整合甲基化与表达数据以结合相同组织样本不同方面的信息，从而有望提取具有生物学意义的特征。我们的扩展在于训练编码器与解码器仅从数据的某个子集重建数据。通过此举，我们迫使模型在潜在表示中编码最重要的信息。我们还为子集添加了标识，使模型在训练与测试时知晓当前输入的是哪个子集。我们实验了该方法，发现 SubOmiEmbed 仅使用数据的子集且网络规模远小于基线 OmiEmbed，却取得了与之相当的结果。本工作可进一步改进以整合基于突变的基因组数据。
引用
@article{arxiv.2202.01672,
title = {SubOmiEmbed: Self-supervised Representation Learning of Multi-omics Data for Cancer Type Classification},
author = {Sayed Hashim and Muhammad Ali and Karthik Nandakumar and Mohammad Yaqub},
journal= {arXiv preprint arXiv:2202.01672},
year = {2022}
}