KIRC组学数据分类的自注意亚型识别神经网络

来源：计算机工程与应用杂志2023年第23期北京时间：

作者：李阳, 陈锡程, 伍亚舟

单位：陆军军医大学 军事预防医学系 军队卫生统计学教研室，重庆 400038

摘要：为分析肾透明细胞癌（KIRC）的转录组学数据，利用自注意力机制构建改良分类模型。构建了一种新的自注意力亚型识别神经网络（SSRNN），其包含了编码器和分类器部分，以自注意力机制为主要改良方式。在筛出358个与生存相关的蛋白编码基因后，利用聚类分析确定了三种亚型最为适宜。对于C1、C2和C3三组癌症亚型进行了临床信息比较和生存分析比较，揭示了各组在生存结局上的差异。SSRNN取得了最优异的分类性能，取得了93.44%的曲线下面积。基因表达热图提示三种亚型的基因表达存在差异，推测基因的低表达指示较好的生存预后。对三种亚型两两间进行差异分析并绘制火山图，共可获取266个差异基因。GO和KEGG富集分析及节点图的绘制则有利于揭示癌症相关的功能和通路。因此，SSRNN具有较高的预测精度和稳健性，可有效地利用组学数据进行KIRC的生存预测，并筛选合理的生物学标志物，具有较高的方法学意义和应用价值。

关键词：自注意力,深度学习,组学数据,肾透明细胞癌,亚型识别