Subtype-WGME ermöglicht genomweite Multi-Omics-Krebs-Subtypisierung
2024
East China University of Science and Technology, Shanghai, China
In dieser Studie wird eine innovative Strategie zur Integration genomweiter Multi-Omics-Daten vorgestellt, die eine adaptive Zusammenführung erleichtert, indem sie Merkmale verborgener Schichten nutzt, die aus hochdimensionalen Omics-Daten über einen Multitasking-Encoder abgeleitet werden. Empirische Auswertungen von acht Benchmark-Krebs-Datensätzen belegten, dass das vorgeschlagene Framework die Vergleichsalgorithmen bei der Krebs-Subtypisierung übertraf und bessere Subtypisierungsergebnisse lieferte. Aufbauend auf diesen Subtypisierungsergebnissen wurde eine robuste Pipeline zur Identifizierung genomweiter Biomarker eingerichtet, die 195 signifikante Biomarker aufdeckte. Darüber hinaus wurde eine umfassende Analyse durchgeführt, um die Bedeutung der einzelnen Omics- und nicht-kodierenden Regionsmerkmale auf genomweiter Ebene während der Krebs-Subtypisierung zu bewerten. Die Untersuchung zeigt, dass sowohl Omics- als auch nicht-kodierende Regionsmerkmale die Krebsentwicklung und die Überlebensprognose erheblich beeinflussen. Diese Studie betont das Potenzial und die praktischen Auswirkungen der Integration genomweiter Daten in die Krebsforschung und demonstriert die Wirksamkeit einer umfassenden genomischen Charakterisierung. Darüber hinaus bieten die Erkenntnisse aufschlussreiche Perspektiven für die Multi-Omics-Analyse unter Einsatz von Deep-Learning-Methoden.
Subtype-WGME enables whole-genome-wide multi-omics cancer subtyping
Zhe Wang
Eingestellt am: 08.07.2024
[1] https://www.cell.com/cell-reports-methods/fulltext/S2667-2375(24)00125-5
