Nat. Commun. | 李昊等开发人工智能计算方法CGMega解析癌症基因模块

近期，针对癌症基因模块识别问题中面临的多模态信息融合、小样本学习、子图搜索等计算挑战，军事医学研究院伯晓晨、陈河兵团队联合上海交通大学杨旸团队提出基于可解释图注意力机制的计算框架CGMega（图2），实现了癌症基因模块的辨识与解析。CGMega是一个基于Transformer的图注意力网络模型，其任务性质为半监督的图节点分类学习。输入是由蛋白质互作、基因组、表观基因组以及三维基因组等多组学信息融合的图，该图以基因为节点，以蛋白质互作关系为相应节点的边，将预处理后的染色质结构信息、变异信息、拷贝数信息、染色质开放信息以及组蛋白修饰信息分配到各个基因作为节点特征。CGMega的输出是对于每个基因的癌基因预测概率。最后，CGMega采用并改进GNNExplainer可解释工具来进行癌症基因模块的挖掘，通过掩蔽的方法确认子图结构以及节点特征对于关键癌基因的贡献程度。

发自「今日水木 on 23013RK75C」
--
FROM 119.34.160.*