多模态深度神经网络的高级别浆液性卵巢癌分类方法

• Published in: 华东理工大学学报（自然科学版） Vol. 50; no. 3; pp. 418 - 426
• Main Authors: 李浩琳, 韩家乐, 王会青, 丰智鹏
• Format: Journal Article
• Language: Chinese
• Published: 太原理工大学计算机科学技术学院(大数据学院),太原 030600 01.06.2024
• Subjects: multi-omics data; 晚期集成; late integration; high-grade serous ovarian cancer; 深度神经网络; 多组学数据; LASSO; 高级别浆液性卵巢癌; deep neural network
• ISSN: 1006-3080
• DOI: 10.14135/j.cnki.1006-3080.20230321001

TP391; 提出了高级别浆液性卵巢癌(HGSOC)分子亚型分类模型MMDNN-HGSOC,该模型将miRNA表达、DNA甲基化、拷贝数变异(CNV)与mRNA表达数据进行集成,构建多组学特征空间;基于LASSO(Least Absolute Shrinkage and Selection Operator)回归算法,提出叠加式LASSO(S-LASSO)回归算法,充分获得每个组学数据中与HGSOC分子亚型关联的基因子集;引入多组学数据晚期集成策略,利用多模态深度神经网络学习不同组学数据的高级特征表示.实验结果表明,MMDNN-HGSOC在HGSOC分子亚型分类中表现出较好性能.此外,对特征选择过程中发现的重要基因进行了GO(Gene Ontology)和KEGG(Kyoto Encycloped Genomes)富集分析,为HGSOC分子亚型鉴定和发病机制的研究提供有力支持.