階層的オートエンコーダベース統合はソフトモダリティ選択によるマルチオミクス癌生存モデルの性能を改善する【JST・京大機械翻訳】

Wissel, D.; Rowson, D.; Boeva, V.

プレプリント

J-GLOBAL ID：202202208114909054 整理番号：21P0266835

階層的オートエンコーダベース統合はソフトモダリティ選択によるマルチオミクス癌生存モデルの性能を改善する【JST・京大機械翻訳】

Hierarchical autoencoder-based integration improves performance in multi-omics cancer survival models through soft modality selection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年01月19日プレプリントサーバーでの情報更新日： 2022年01月19日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ハイスループット配列決定のコストの減少により,癌患者のオミクスプロファイルを提供するますます多くのデータセットが利用可能になる。したがって,これらの異なるサイズで不均一な分子および臨床グループの変数を統合する新しい生存解析アプローチが開発されている。マルチオミクスデータ統合のタスクの困難さのため,臨床データを用いたCox比例-Hazards(PH)モデルは,分子データモダリティを用いたモデルより性能が劣る,最良性能技術の1つに留まっている。したがって,生存解析におけるマルチオミクス統合を成功裏に実行することができ,臨床Cox PHモデルより優れている方法の必要性がある。さらに,特定の深層学習法は,癌生存予測の最先端の精度を提供することが示されているが,それらの大部分は,より多くの様式を統合するとき,性能において利点または減衰さえ示さず,さらに,マルチオミクス統合のためのニューラルネットワークを用いるとき,モダリティ特異的表現を統合すべきかどうかを調査する必要性を動機づける。ニューラルネットワークアーキテクチャのための多重統合技法をベンチマークし,モダリティ固有表現の階層的自動符号器ベース統合が,最大プール化のような他の方法よりも優れており,マルチオミクス統合のための最先端の統計的手法に匹敵することを明らかにした。さらに,著者らは,様式特異的表現の階層的オートエンコーダベースの統合が,各癌に対する最も有益なモダリティに焦点を合わせて,ソフトモダリティ選択機構を通して,増加した性能を達成することを示した。したがって,部分グループワイズ特徴選択問題としてマルチオミクス統合をフレーム化し,これらのモデルのみが,あまり重要なモダリティによって課せられた高ノイズの存在下で,適切に重要なモダリティを重みづけることができることを強調した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

分子・遺伝情報処理 , 生物科学研究法一般

, , , , , , ,

前のページに戻る