English(EN) Interpretable Graph Kolmogorov-Arnold Networks for Multi-Cancer Classification and Biomarker Identification using Multi-Omics Data

新的深度学习模型可准确分类多组学癌症数据

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-02 04:00

研究人员开发了一种名为MOGKAN的新型深度学习框架，用于癌症诊断的多组学数据分类。该框架整合了信使RNA、微小RNA和DNA甲基化样本与蛋白质-蛋白质相互作用网络。MOGKAN实现了96.28%的分类准确率，并通过可训练的单变量函数提供了增强的可解释性，识别出经过基因本体论分析验证的生物标志物。 AI

影响引入了一种用于多组学癌症分类的新型深度学习框架，有望提高诊断准确性和生物标志物识别能力。

排序理由该集群包含一篇详细介绍新深度学习模型及其应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Fadi Alharbi, Nishant Budhiraja, Aleksandar Vakanski, Boyu Zhang, Murtada K. Elbashir, Harshith Guduru, Mohanad Mohammed · 2026-06-02 04:00

Interpretable Graph Kolmogorov-Arnold Networks for Multi-Cancer Classification and Biomarker Identification using Multi-Omics Data

arXiv:2503.22939v4 Announce Type: replace Abstract: The integration of heterogeneous multi-omics datasets at a systems level remains a central challenge for developing analytical and computational models in precision cancer diagnostics. This paper introduces Multi-Omics Graph Kol…

报道来源 [1]

Interpretable Graph Kolmogorov-Arnold Networks for Multi-Cancer Classification and Biomarker Identification using Multi-Omics Data

相关实体

相关话题