研究人员开发了GeneFuse，一个旨在整合预训练基因组语言模型（GLMs）的基因组数据与神经影像学特征以改进疾病诊断的新型框架。这种多模态方法利用基因型条件特征调制（GCFM）根据基因组嵌入调整图像特征，并利用不确定性感知基因组残差融合（U-GRF）动态结合遗传和影像信息。在早期认知衰退和痴呆症筛查测试中，GeneFuse表现强劲，在一个以载脂蛋白E为中心的设置中达到了0.77和0.83的AUROC，优于现有的融合方法。 AI
影响 该框架通过利用先进的AI技术结合不同的生物数据，可以提高神经系统疾病诊断的准确性。
排序理由 该集群包含一篇详细介绍新框架和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- apolipoproteins E
- GCFM
- Genomic Language Models
- Genotype-Conditioned Feature Modulation
- Neuroimaging
- U-GRF
- Uncertainty-aware Genomic Residual Fusion
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
