研究人员提出了一种名为PathFormer的新型GNN模型结构，用于排序和预测生物标志物，具有高度准确的预测能力。该模型在疾病诊断方面提高了30%的准确性，并在不同数据集上具有较高的生物标志物排名的可重复性。该模型在阿尔茨海默病和癌症转录组数据集上得到验证，并可应用于其他组学数据分析研究。