基于单细胞RNA测序的全癌症基因集发现用于优化深度学习下游任务
原文中文,约2300字,阅读约需6分钟。发表于: 。该研究解决了全癌症研究中RNA测序数据的高维复杂性问题。研究者假设从单细胞RNA测序数据衍生的基因集在下游任务中表现优于传统的批量RNA测序选择的基因集。研究结果表明,XGBoost精炼的高维加权基因共表达网络分析基因集在肿瘤突变负荷评估、微卫星不稳定性分类等多个任务中的表现优越,尤其是DPM1等基因作为重要的全癌症生物标志物具有一致性意义,提供了癌症基因组学中特征选择的可靠方法。
该研究使用XGBoost精炼的高维加权基因共表达网络分析基因集,解决了全癌症研究中RNA测序数据的复杂性问题。在多个任务中表现优越,提供了可靠的特征选择方法。