基于多组学融合和对抗自编码器的生存分析模型.pdfVIP

AdvancesinAppliedMathematics应用数学进展,2024,13(6),2627-2640

PublishedOnlineJune2024inHans./journal/aam

/10.12677/aam.2024.136251

基于多组学融合和对抗自编码器的生存分析

模型

*

苗馨予，殷清燕，张丽丽

西安建筑科技大学理学院，陕西西安

收稿日期：2024年5月17日；录用日期：2024年6月11日；发布日期：2024年6月18日

摘要

多组学整合分析可以利用不同组学之间的互补信息，有利于系统全面地理解癌症疾病的分子生物学机制。

多组学数据的高维小样本属性，导致传统的生存分析模型存在严重的过拟合问题。深度学习模型可以从

高维数据中进行自动特征提取，在处理复杂的多组学数据方面具有显著优势。为了有效地整合多组学数

据，本文提出了基于对抗自编码器的多组学特征提取网络。结合1D-CNNCox生存分析模型，构建了基于

多组学融合和生成对抗网络的GAN-1DCCox模型。在8种不同癌症类型的TCGA数据集上进行了消融和对

比实