整合多组学数据以预测患者生存的策略
摘要：基因组学，特别是多组学，已经使个体化医疗成为可能。完成并公开可访问的带有临床结果的多组学资源，例如癌症基因组图谱（TCGA），是开发整合多组学数据预测患者癌症表型的计算方法的极好测试床。我们一直在利用TCGA多组学数据预测癌症患者的生存情况，采用了各种方法，包括先前的生物学知识（如途径），以及更近期的深度学习方法。随着时间的推移，我们已经开发出了Cox-nnet、DeepProg和两阶段Cox-nnet等方法，以解决多组学和多模态引起的挑战。尽管训练数据集中的样本量有限（数百到数千），人类群体的异质性也很大，但这些方法在预测独立人群中的患者生存情况方面显示出了显著性和稳健性。接下来，我们将详细描述这些方法的建模结果以及这些方法揭示的重要生物学洞见。
作者：Lana X Garmire
论文ID：2008.12455
分类：Genomics
分类简称：q-bio.GN
提交时间：2020-08-31