实体
multiomics
multiomics
PulseAugur coverage of multiomics — every cluster mentioning multiomics across labs, papers, and developer communities, ranked by signal.
总计 · 30天
4
90 天内 4
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 4 条
-
新AI框架整合多组学数据用于癌症研究
研究人员开发了一个名为通路活性自编码器（Pathway Activity Autoencoders）的新框架，用于整合多组学数据以进行癌症研究。该方法将先验生物学知识嵌入模型的架构中，在不牺牲表征能力的情况下增强了可解释性。应用于乳腺癌数据后，该框架在生存预测和亚型分类方面显示出潜力，其中基因、蛋白质和microRNA表达层被证明最具影响力。学习到的特征的可视化突显了模型的透明度和临床相关性。
-
多组学、人工智能与维生素D的讨论出现
该集群讨论了多组学、人工智能和维生素D的交叉领域。对话旨在探讨这些领域如何整合和讨论。
-
新AI框架削减多组学数据疾病分类成本
研究人员开发了SDM-Q，一个使用深度Q学习进行成本感知多组学分类的新框架。该方法将多组学诊断视为一个序贯决策问题，允许系统根据当前信息及其相关成本来决定是获取更多数据还是进行预测。实验表明，SDM-Q可以在显著减少对完整多组学数据需求的同时实现高分类准确率，从而提高精准医疗的效率。
-
CMGL框架通过置信度引导的多组学图学习改进癌症亚型分类
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。