研究人员开发了CMGL，一种用于癌症亚型分类的新型框架，该框架利用多组学数据。这种两阶段方法首先使用证据深度学习估计每个患者不同组学模态的可靠性。然后，这些置信度分数指导组学数据的融合和患者相似性图的构建，从而提高癌症亚型分类的准确性。CMGL在多项癌症任务中表现出优越的性能，包括一个32类全癌分类任务，并显示出将学习到的表示转移到新癌症类型的潜力。 AI
影响 引入了一种整合多组学数据以提高癌症亚型分类准确性和患者分层的新方法。
排序理由 这是一篇研究论文，详细介绍了使用多组学数据进行癌症亚型分类的新框架。
在 Hugging Face Daily Papers 阅读 →
- breast invasive carcinoma
- cancer
- CMGL
- graph learning
- kidney renal clear cell carcinoma
- multi-omics
- evidential deep learning
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →