.png){kind=icon}
返回
Computational models for pan-cancer classification based on multi-omics data
.png){kind=icon}
OA
AI
DOI：10.3389/fgene.2025.1667325.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
肿瘤异质性给癌症治疗带来了重大挑战，限制了临床医生进行准确早期诊断和制定个性化治疗策略的能力。早期诊断对于有效干预至关重要，然而当前方法缺乏克服这一挑战的稳健解决方案。泛癌图谱（Pan-Cancer Atlas）已作为一个关键框架出现，通过整合跨肿瘤类型的组学数据（基因组学、转录组学、蛋白质组学）来研究癌症异质性。该计划系统地绘制了肿瘤间和肿瘤内的变异，为临床决策提供见解。然而，这类框架通常难以整合肿瘤内的动态时序变化和空间异质性，限制了其实时临床应用。在本综述中，我们首先总结泛癌研究中使用的可用组学数据及公共生物医学数据库。接着，我们考察基于所用计算模型（包括机器学习和深度学习）的当前泛癌分类方法，并对这些分类方法进行比较以探讨其优缺点。最后，我们总结讨论泛癌研究中的关键挑战，并提出未来研究的潜在方向。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.8
论文数:
1.7K
被引数:
4.4W
机构
暂无机构信息
引用论文
Cmob: large-Scale cancer multi-omics benchmark with open datasets, tasks, and baselines. arXiv e-printsCmob：大规模癌症多组学基准，包含开放数据集、任务和基线。arXiv e-prints.png)
IF0
PREAI
分享收藏AVBAE-MODFR: A novel deep learning framework of embedding and feature selection on multi-omics data for pan-cancer classificationAVBAE-MODFR：一种用于泛癌分类的多组学数据嵌入和特征选择的新型深度学习框架
PREAI
分享收藏
Tumour heterogeneity and personalized treatment screening based on single-cell transcriptomics肿瘤异质性及基于单细胞转录组学的个性化治疗筛选OAAI
OAAI分享收藏ChiTaRS 2.1-an improved database of the chimeric transcripts and RNA-seq data with novel sense-antisense chimeric RNA transcriptsNUCLEIC ACIDS RESEARCHOAAI
NUCLEIC ACIDS RESEARCHIF13.1
OAAI分享收藏A review of cancer data fusion methods based on deep learning基于深度学习的癌症数据融合方法综述INFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏A comprehensive genomic pan-cancer classification using The Cancer Genome Atlas gene expression dataBMC GENOMICSOAAI
BMC GENOMICSIF3.7
OAAI分享收藏
查看更多内容