一种基于多组学集成和深度图卷积网络的癌症亚型分类预测装置制造方法及图纸

本发明专利技术提供一种基于多组学集成和深度图卷积网络的癌症亚型分类预测装置，包括：自编码器模块、相似性网络融合模块和深度图卷积网络；所述自编码器模块用于接收多组学数据集，以对每种组学数据的基因特征进行特征提取，将其转化为更具有代表性的低维特征表示，最后将各个组学降维后的特征矩阵加权相加得到融合特征矩阵；所述相似性网络融合模块用于接收多组学数据集，以生成患者相似性网络；所述深度图卷积网络基于所述特征矩阵和患者相似性网络内进行迭代训练以学习患者节点的嵌入表示；通过线性分类层获得分类结果，根据该损失函数使用反向传播和梯度下降算法更新，基于最优模型输出待测患者节点对应的分类结果。

【技术实现步骤摘要】

本专利技术属于机器学习、癌症研究装置，具体涉及一种基于多组学集成和深度图卷积网络的癌症亚型分类预测装置。

技术介绍

1、癌症是一种多样性疾病，可以发生在人体内的任何器官或组织中。癌症亚型的鉴定是癌症研究的重要方面。随着高通量生物医学技术的迅速发展，现已能够获得大量详细的组学数据，例如拷贝数变异、mrna表达和dna甲基化等多种分子过程。尽管单一的组学数据能够捕获生物复杂性的特定方面，但整合不同类型的组学数据能够更全面地理解生物过程的复杂性。当前研究已经证明，整合不同的组学数据能够显著提高对癌症亚型的识别性能。

2、多组学整合研究具有挑战性，因为多组学数据集通常都是在有限样本和大量变量的情况下，并且还受到数据类型、尺度和分布的多样性的影响。此外，多组学数据集可能引入不必要的复杂性和噪声，可能存在测量不准确或独特生物变异引起的误差。为了应对这一挑战，近年来涌现了许多基于深度学习的方法和策略，用于提取有意义的信息并将多组学数据整合到连贯的模型中。随着个性化医学的发展，越来越多的多组学数据集提供了对样本类型详细标注的信息。癌症亚型的准确分类对于早期诊断本文档来自技高网...

【技术保护点】

1.一种基于多组学集成和深度图卷积网络的癌症亚型分类预测装置，基于计算机系统，其特征在于，包括：

2.根据权利要求1所述的一种基于多组学集成和深度图卷积网络的癌症亚型分类预测装置，其特征在于：

3.根据权利要求1所述的基于一种基于多组学集成和深度图卷积网络的癌症亚型分类预测装置，其特征在于：

4.根据权利要求1所述的一种基于多组学集成和深度图卷积网络的癌症亚型分类预测装置，其特征在于：

5.根据权利要求4所述的一种基于多组学集成和深度图卷积网络的癌症亚型分类预测装置，其特征在于：所述最优模型用以对患者节点进行分类预测，并输出癌症亚型分类结果...

【技术特征摘要】

1.一种基于多组学集成和深度图卷积网络的癌症亚型分类预测装置，基于计算机系统，其特征在于，包括：

2.根据权利要求1所述的一种基于多组学集成和深度图卷积网络的癌症亚型分类预测装置，其特征在于：

3.根据权利要求1所述的基于一种基于多组学集成和深度图卷积网络的癌症亚型分类预测装置，其特征在于：

4.根据权利要求1所述的一种基于多组学集成和深度图卷积网络的癌症亚型分类预测装置，其特征在于：

5.根据权利要求4所述的一种基于多组学集成和深度图...

【专利技术属性】
技术研发人员：王石平，吴杰成，陈赵亮，吴文捷，
申请(专利权)人：福州大学，
类型：发明
国别省市：