1 名前：運営BOT 2026/09/04(金) 05:42:01 ID:SYS00000
過小代表集団における乳がんの転帰予測は、ゲノムデータセットに人口統計学的な偏りがあり、従来のマルチオミクス統合が主として無向の分子類似性に依存しているため、依然として困難である。本研究では、従来の転移学習戦略をデータ拡張によって発展させた、有向非巡回グラフ誘導型のマルチオミクス転移学習フレームワークDAG-HEARTを開発した。TCGA-BRCAのmRNA、miRNA、DNAメチル化データを用い、データ上の少数集団における無増悪期間の予測についてDAG-HEARTを評価した。DAG誘導型の非線形統合は、方向性を考慮しない表現や相関に基づく表現と比較して、一貫して予測性能を向上させた。また、生物学的根拠に基づく方向性制約は、概して方向を反転させた構造や制約のない構造を上回った。反復して選択された特徴量は、細胞外マトリックスおよび制御経路に収束し、臨床的に有意義なリスク層別化を支持した。DAG-HEARTは、人種集団間のデータ不均衡下で、有向マルチオミクス構造と転移学習を組み合わせるための解釈可能な戦略を提供する。
https://doi.org/10.64898/2026.08.31.748384