本研究提出了OmicsCL模块化对比学习框架，旨在解决多组学数据中无监督学习疾病亚型的难题，挖掘与患者生存相关的临床集群，为个性化医疗提供新思路。

本研究提出GeSubNet方法，解决了从知识库中提取基因功能网络时，疾病网络与亚型特定变异不匹配的问题。GeSubNet通过统一表示学习，能预测基因交互并区分疾病亚型。在四个癌症数据集上表现优异，生成的网络能以83%的概率识别影响患者分布的亚型特定基因。