OMIDIENT：基于狄利克雷自编码器网络的癌症多组学整合方法

《Communications Biology》：OMIDIENT: Multiomics Integration for Cancer by Dirichlet Auto-Encoder Networks

　　

摘要

为更全面地理解癌症，需要新的计算方法来整合来自不同分子层面（如基因组学、转录组学和表观基因组学）的数据。在此，我们提出了一种创新的多组学整合方法，即OMIDIENT：基于狄利克雷自编码网络的多组学癌症整合方法。该方法利用深度生成模型构建稀疏且具有组合性的潜在表示，其潜在空间由狄利克雷分布的乘积构成。通过mRNA表达数据、DNA甲基化数据和微RNA表达数据，我们对五种不同的癌症进行了测试，结果表明OMIDIENT在聚类、分类以及缺失数据重建方面的性能优于现有的最先进无监督多组学整合分析方法。此外，我们还对OMIDIENT进行了可解释性分析，这不仅有助于解释其优异的性能，还能为我们提供关于所学表示所捕捉到的底层结构的宝贵见解。