论文地址:MOLI: Multi-Omics Late Integration with deep neural networks for drug response prediction
小Tip:这是总结生物信息学相关论文系列的最后一篇啦~因为要 毕!业!了!
MOLI:将多组学晚期整合深度神经网络用于药物反应预测
作者信息:
Hossein Sharifi-Noghabi 1,3, Olga Zolotareva 2, Colin C. Collins 3,4,*, and Martin Ester 1,3,∗
1.加拿大西蒙弗雷泽大学计算机科学学院。
2.德国比勒菲尔德大学生物技术学院基因组信息学国际研究小组。
3.温哥华前列腺中心。
4.加拿大哥伦比亚大学泌尿系。
研究背景:
1.精准肿瘤学是利用基因组数据为肿瘤患者量身定做治疗方案。目前,只有11%接受精准肿瘤学治疗的患者能够进入临床试验,只有5%的患者从精准肿瘤学中获益。
2.药物反应预测中信息量最大的数据类型是基因表达。有研究表明,整合额外组学数据可以提高预测精度,由此引出了如何整合额外组学数据的问题。
3.无论采用何种集成策略,临床实用性都是至关重要的。多组学方法结合临床数据集可以提高药物反应预测的临床相关性。
研究方法:
在多组学数据分析中,一个关键的问题是如何集成不同的数据类型。多组学集成主要有两种方法:早期集成和晚期集成。
早期集成:首先将一个样本所有可用的组学数据类型连接起来,然后使用一些特征学习方法,如自动编码器,来创建该样本的集成表示。
早期集成的缺点:
I.忽略了每种组学数据类型各自的分布情况。
II.需要适当的标准化,以避免赋予具有更高维度的组学数据类型更大的权重。
III.进一步增加了输入数据的维数。
晚期集成:对每种组学