机构名称：
¥ 2.0
复杂生物系统中的分子机制和功能目前仍难以捉摸。最近的高通量技术，如新一代测序，已经生成了各种各样的多组学数据集，从而能够通过多个方面识别生物功能和机制。然而，整合这些大规模多组学数据并发现功能见解仍然是一项具有挑战性的任务。为了应对这些挑战，机器学习已被广泛应用于分析多组学。本综述介绍了多视角学习——一个新兴的机器学习领域——并展望了其在多组学中的潜在强大应用。特别是，多视角学习比以前的整合方法更有效地学习数据的异质性和揭示串扰模式。尽管多视角学习已应用于计算机视觉和语音识别等各种环境，但尚未广泛应用于生物数据——特别是多组学数据。因此，本文首先回顾了最近的多视角学习方法，并将它们统一在一个称为多视角经验风险最小化 (MV-ERM) 的框架中。我们进一步讨论了每种方法在多组学（包括基因组学、转录组学和表观基因组学）中的潜在应用，旨在发现跨组学的功能和机制解释。其次，我们探索了对不同生物系统的可能应用，包括人类疾病（例如脑部疾病和癌症）、植物和单细胞分析，并讨论了使用多视角学习发现这些系统的分子机制和功能的好处和注意事项。
用于理解功能多组学的多视角学习
主要关键词
相关文件推荐
