近日，美国丹娜法伯癌症研究院、麻省理工学院和哈佛大学的研究团队利用前列腺癌患者的多组学数据，开发了一款可用于前列腺癌预测与评估的机器学习分析模型P - NET（Pathway-aware multi-layered hierarchical network）。该研究在《Nature》上发表，题为：Biologically informed deep neural network for prostate cancer discovery。
前列腺癌是男性高发恶性肿瘤之一，探索其侵袭转移的分子机制、评估患者预后是前列腺癌防治研究中的重要方向。该研究团队基于1013例前列腺癌患者数据，通过分析基因突变、基因拷贝数、基因融合等信息，构建了基于生物信息学的深度学习模型。利用该模型可对前列腺癌患者进行危险分层，评估靶向治疗相关分子驱动因素状况，以及预测癌症状态等，相关性能明显优于其它模型。
注：此研究成果摘自《Nature》，文章内容不代表本网站观点和立场。
论文链接：https://www.nature.com/articles/s41586-021-03922-4
免责声明：本网转载自其它媒体的文章，目的在于弘扬科技创新精神，传递更多科技创新信息，并不代表本网赞同其观点和对其真实性负责，在此我们谨向原作者和原媒体致以敬意。如果您认为本站文章侵犯了您的版权，请与我们联系，我们将第一时间删除。
