首页
热心肠日报
文献库
产业库
榜单
关于日报
《肠·道》演讲
往期精彩
《肠·道》2024
《肠·道》2023
《肠·道》2022
《肠·道》2021
《肠·道》2020
《肠·道》2019
《肠·道》2018
《肠·道》2017
关于《肠·道》
肠道大会
热心肠大会
热心肠智库
智库专家
专家动态
智库新闻
关于智库
奖学金
年度人物奖
更多
HOPE
会议信息
科学与艺术
学术专刊
R·AI
周刊
热心肠先生
研究院动态
关于我们
搜索
登录
关闭
手机邮箱登录
扫码登录
微信扫描二维码快捷登录
验证成功,将在
3
秒钟后跳转
已超时,请
重试
关闭
二维码登录
手机登录
邮箱登录
+86
+1
+852
+886
+81
+65
+61
+44
获取验证码
登录 / 注册
关闭
二维码登录
手机登录
邮箱登录
获取验证码
登录 / 注册
药物-组学关联
文章数:1篇
药物-组学关联
Nature子刊:利用深度学习模型挖掘药物与多组学数据间的关联
先前多项研究已经证明测序技术和多组学的快速发展,极大促进了疾病标记物的识别和精准医学的发展,但有效整合多组学数据和表型数据的规模和异质性,并且进一步深入挖掘数据间的关联仍存在较大地挑战。近日,丹麦哥本哈根大学研究人员在Nature Biotechnology发表最新研究,开发了一个基于深度学习的多组变分自编码器(MOVE),并且将这一方法应用于789名新诊断的2型糖尿病患者的多组学表型数据,以探究药物与组学表型间的关系。发现MOVE能够有效整合处理多组学和表型数据,并能更灵敏地挖掘出药物-组学间的关联,其中二甲双胍和奥美拉唑对多组学数据影响最明显,值得关注。
药物-组学关联
T2D患者
研究论文
基础研究
深度学习模型