이 논문은 병리학 이미지와 벌크 RNA-Seq 발현 데이터를 통합하여 암 생존 분석을 수행하는 Pathology-Genome Heterogeneous Graph (PGHG) 모델을 제안한다.
PGHG 모델은 생물학적 지식 기반 표현 학습 네트워크와 병리학-유전체 이종 그래프로 구성된다. 표현 학습 네트워크에서는 생물학적 선행 지식을 활용하여 각 모달리티 내부 및 모달리티 간 데이터 연관성을 학습한다. 이를 통해 병리학 이미지 특징 추출 시 유전체 관련 정보를 효과적으로 반영할 수 있다.
이종 그래프 모듈에서는 병리학 패치와 유전체 경로를 각각 노드로 표현하고, 공간적 인접성과 유전자 공유 정도에 따라 노드 간 연결을 구축한다. 그래프 주의 집중 메커니즘을 통해 각 노드는 인tra-모달리티 및 inter-모달리티 이웃 노드 정보를 반복적으로 집계하여 단일 모달리티 및 다중 모달리티 특징을 추출한다.
최종적으로 추출된 특징을 이용하여 암 환자의 생존 위험도를 예측한다. 또한 주의 집중 가시화와 통합 기울기 알고리즘을 활용하여 병리학 이미지의 중요 조직 구조와 유전체 경로 및 핵심 유전자를 해석할 수 있다.
To Another Language
from source content
arxiv.org
Viktige innsikter hentet fra
by Zeyu Zhang,Y... klokken arxiv.org 04-15-2024
https://arxiv.org/pdf/2404.08023.pdfDypere Spørsmål