换一批摘要肝癌是威胁人类健康的常见恶性肿瘤之一.通过对基因数据使用深度学习方法进行整合来系统地获取对肝癌的认知,使用多组学的疾病分析方法来探究各组学之间的相互关系,有助于更准确的临床决策.然而,由于多组学数据具有高维稀疏性,存在大量的冗余特征和较少的可用临床标签样本.堆叠降噪编码器(SDAE)是能够从海量数据中获取有效特征的高效模型,因此基于SDAE模型提出一种层次式堆叠降噪编码器,来学习肝癌的RNA表达、miRNA表达和DNA甲基化数据的特征并进行整合和识别.实验结果表明:Hi-SDAE方法提高了对肝癌亚型分类的准确度,为肝癌针对性治疗提供了更有价值的参考依据.
更多相关知识
关键词
堆叠降噪自动编码器数据降维多组学整合肝癌亚型Stacked denoisingAutoencodersData dimensionality reductionMulti-omics integrationLiver cancer subtypes
栏目名称
DOI
10.3969/j.issn.1000-386x.2024.06.012
发布时间
2024-07-11（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（6206020135）
- 浏览0
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
