基因組學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)、轉(zhuǎn)錄組學(xué)——高通量生物醫(yī)學(xué)技術(shù)的快速發(fā)展使得能夠從越來越多的組學(xué)中收集前所未有的詳細數(shù)據(jù)。但是，如何最好地利用組學(xué)數(shù)據(jù)中的相互作用和補充信息?

為了充分利用組學(xué)技術(shù)的進步，更全面地了解人類疾病的生物學(xué)過程，Regenstrief 研究所和印第安納州、普渡大學(xué)和杜蘭大學(xué)的研究人員開發(fā)并測試了 MOGONET，這是一種新型的多組學(xué)數(shù)據(jù)分析算法和計算方法. 整合來自各種組學(xué)的數(shù)據(jù)可以更全面地了解人類疾病的生物過程。創(chuàng)建者已將 MOGONET 開源、免費且可供所有研究人員使用。

在Nature Communications 上發(fā)表的一項研究中，科學(xué)家們證明 MOGONET(Multi-Omics Graph cOnvolutional NETworks 的縮寫)優(yōu)于使用 mRNA 表達數(shù)據(jù)、DNA 甲基化數(shù)據(jù)和 microRNA 表達數(shù)據(jù)的不同生物醫(yī)學(xué)分類應(yīng)用的現(xiàn)有監(jiān)督多組學(xué)綜合分析方法.

他們還確定 MOGONET 可以從不同的組學(xué)數(shù)據(jù)類型中識別重要的組學(xué)特征和生物標志物。

“通過 MOGONET，我們的新 AI [人工智能] 工具，我們采用基于神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)，捕捉復(fù)雜的生物過程關(guān)系。我們對組學(xué)的理解更加全面，并且正在更多地了解生物標志物幫助我們區(qū)分的疾病亞型，”領(lǐng)導(dǎo)這項研究的 Regenstrief 研究所研究科學(xué)家 Kun Huang 博士說。“最終目標是改善疾病預(yù)后并增強疾病結(jié)果預(yù)測。”作為一名生物信息學(xué)家，他認為 MOGONET 研究小組的多樣性，其中包括計算機科學(xué)家以及數(shù)據(jù)科學(xué)家和生物信息學(xué)家，他們的不同觀點有助于其發(fā)展和成功。他擔任印第安納大學(xué)精準健康計劃的數(shù)據(jù)科學(xué)和信息學(xué)主任。

研究人員在與阿爾茨海默病、神經(jīng)膠質(zhì)瘤、腎癌和乳腺癌浸潤性癌相關(guān)的數(shù)據(jù)集以及健康患者數(shù)據(jù)集上測試了 MOGONET 。他們確定 MOGONET 輕松勝過現(xiàn)有的監(jiān)督多組學(xué)集成方法。

“學(xué)習(xí)和整合直覺識別，MOGONET 可以產(chǎn)生新的生物標志物候選疾病，” 研究合著者 Regenstrief 研究所附屬科學(xué)家、生物信息學(xué)家張杰博士說。“MOGONET 還可以預(yù)測新的癌癥亞型、腫瘤分級和疾病進展。它可以識別正常的大腦活動與阿爾茨海默病。”

博士 Huang 和 Zhang 計劃將這項工作擴展到組學(xué)之外，以包括成像數(shù)據(jù)，并指出 AD 和癌癥相關(guān)病理學(xué)圖像的豐富大腦圖像可以教會 MOGONET 識別以前從未遇到過的病例。兩位科學(xué)家都指出，經(jīng)過嚴格的臨床研究，MOGONET 可以在許多領(lǐng)域支持改善患者護理。

除了博士。“MOGONET 使用圖卷積網(wǎng)絡(luò)集成多組學(xué)數(shù)據(jù)，允許患者分類和生物標志物識別”的作者 Huang 和 Zhang 是印第安納大學(xué)的 Tongxin Wang 博士和 Haixu Tang 博士，Wei Shao 博士.D.，IU醫(yī)學(xué)院;IU醫(yī)學(xué)院和普渡大學(xué)的黃志;丁正明，博士 杜蘭大學(xué)。王博士在黃博士的實驗室工作。丁博士原就職于印第安納大學(xué)，是機器學(xué)習(xí)領(lǐng)域的專家。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險自擔。 如有侵權(quán)請聯(lián)系刪除！