近日，美國丹娜法伯癌癥研究院、麻省理工學(xué)院和哈佛大學(xué)的研究團(tuán)隊(duì)利用前列腺癌患者的多組學(xué)數(shù)據(jù)，開發(fā)了一款可用于前列腺癌預(yù)測與評估的機(jī)器學(xué)習(xí)分析模型P - NET（Pathway-aware multi-layered hierarchical network）。該研究在《Nature》上發(fā)表，題為：Biologically informed deep neural network for prostate cancer discovery。

    前列腺癌是男性高發(fā)惡性腫瘤之一，探索其侵襲轉(zhuǎn)移的分子機(jī)制、評估患者預(yù)后是前列腺癌防治研究中的重要方向。該研究團(tuán)隊(duì)基于1013例前列腺癌患者數(shù)據(jù)，通過分析基因突變、基因拷貝數(shù)、基因融合等信息，構(gòu)建了基于生物信息學(xué)的深度學(xué)習(xí)模型。利用該模型可對前列腺癌患者進(jìn)行危險(xiǎn)分層，評估靶向治療相關(guān)分子驅(qū)動因素狀況，以及預(yù)測癌癥狀態(tài)等，相關(guān)性能明顯優(yōu)于其它模型。

注：此研究成果摘自《Nature》，文章內(nèi)容不代表本網(wǎng)站觀點(diǎn)和立場。
論文鏈接：https://www.nature.com/articles/s41586-021-03922-4