点击空白处退出提示
作品详情
我们提出了一个名为 BrainMI 的新颖框架,用于整合脑连接组数据和基于分子的基因关联网络来预测脑部疾病基因。为了实现基于分子的网络数据和脑连接组数据的一致表示,brainMI首先基于静息态功能磁共振成像数据和脑区域特定数据构建了一个新颖的基因网络,称为基于脑功能连接(BFC)的基因网络。基因表达数据。然后,提出了一种多网络集成方法,通过集成基于 BFC 的基因网络和现有的蛋白质-蛋白质相互作用网络来学习基因的低维特征。最后,这些特征用于基于支持向量机模型来预测脑部疾病基因。
作为共同作者完成基于影像学的连接组网络构建。
声明:本文仅代表作者观点,不代表本站立场。如果侵犯到您的合法权益,请联系我们删除侵权资源!如果遇到资源链接失效,请您通过评论或工单的方式通知管理员。未经允许,不得转载,本站所有资源文章禁止商业使用运营!
下载安装【程序员客栈】APP
实时对接需求、及时收发消息、丰富的开放项目需求、随时随地查看项目状态
评论