多组学分类动态边缘GCN框架

共享与特异表征双提取

通过同时提取多组学数据的共享和特异表征，并纳入患者相似性网络，较现有模型实现更高疾病分类精度并识别关键生物标志物。

Li, Min · Deng, Shaobo · Wang, Lei · Yu, Xiang

Computers in Biology and Medicine 2024

技术优势

共享特异双提取

通过相似性与正交约束分别捕获共享与特异性表征，避免信息混杂

精度超越现有

在大量对比实验中，MOSDNET 的分类准确率优于领先的多组学分类模型

关键标志物可识别

能够识别多组学数据中的关键生物标志物，为疾病病因和进展提供见解

应用场景