- 博客(2)
- 收藏
- 关注
原创 综述机器学习方法从基因组到网络再到解码疾病的应用
最近,普林斯顿大学研究组在《Nature Reviews Genetics》上发表了一篇文章题目为“Decoding disease: from genomes to networks to phenotypes"的综述。解释遗传变异的影响是理解个体对疾病的易感性以及设计个性化治疗方法的关键。综合利用实验技术产生的大量的人类基因组序列数据和相关的分子表型、基因组表达、表观基因组学等相关数据,理解变异的影响,阐明异常调控基因对特定疾病和组织环境中生物途径的影响,并解释疾病风险成为了可能。该..
2021-11-12 23:41:10 1400
原创 Nature|可解释深度学习用基因组图谱预测前列腺癌转移状态
麻省理工学院、哈佛大学等高校联合在Nature发表了“Biologically informed deep neural network for prostate cancer discovery“。提出可解释深度学习P-NET模型,该模型能够在前列腺癌症患者基因属性的基础上结合生信中的层次信息预测癌症的状态。P-NET的生物学可解释性揭示了已建立的基因与新基因变异的相关候选基因,如MDM4和FGFR1,这些基因与预测晚期疾病有关,并在体外进行验证。广泛的来说,生物学上知情的完全可解释的神经
2021-11-12 23:08:34 1612
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人