A comprehensive review of machine learning techniques for multi-omics data integration: challenges and applications in precision oncology

组学 精密医学 数据集成 背景(考古学) 计算机科学 人工智能 机器学习 生物标志物发现 数据科学 代谢组学 蛋白质组学 计算生物学 生物 生物信息学 数据挖掘 生物化学 基因 古生物学 遗传学
作者
Debabrata Acharya,Anirban Mukhopadhyay
出处
期刊:Briefings in Functional Genomics [Oxford University Press]
被引量:1
标识
DOI:10.1093/bfgp/elae013
摘要

Abstract Multi-omics data play a crucial role in precision medicine, mainly to understand the diverse biological interaction between different omics. Machine learning approaches have been extensively employed in this context over the years. This review aims to comprehensively summarize and categorize these advancements, focusing on the integration of multi-omics data, which includes genomics, transcriptomics, proteomics and metabolomics, alongside clinical data. We discuss various machine learning techniques and computational methodologies used for integrating distinct omics datasets and provide valuable insights into their application. The review emphasizes both the challenges and opportunities present in multi-omics data integration, precision medicine and patient stratification, offering practical recommendations for method selection in various scenarios. Recent advances in deep learning and network-based approaches are also explored, highlighting their potential to harmonize diverse biological information layers. Additionally, we present a roadmap for the integration of multi-omics data in precision oncology, outlining the advantages, challenges and implementation difficulties. Hence this review offers a thorough overview of current literature, providing researchers with insights into machine learning techniques for patient stratification, particularly in precision oncology. Contact: anirban@klyuniv.ac.in
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Fei发布了新的文献求助30
刚刚
我是老大应助丽莉采纳,获得10
5秒前
行走在科研的小路上完成签到,获得积分10
6秒前
浩浩完成签到 ,获得积分10
6秒前
人类繁殖学完成签到 ,获得积分10
6秒前
8秒前
11完成签到 ,获得积分10
8秒前
英勇的红酒完成签到 ,获得积分10
9秒前
小文子完成签到 ,获得积分10
9秒前
刚好夏天完成签到 ,获得积分10
10秒前
zhangruixue0519完成签到 ,获得积分10
11秒前
李浅墨完成签到 ,获得积分10
12秒前
啊哈完成签到 ,获得积分10
13秒前
16秒前
嗯嗯嗯哦哦哦完成签到 ,获得积分10
18秒前
明理囧完成签到 ,获得积分10
21秒前
22秒前
Gavin完成签到,获得积分10
22秒前
丸子完成签到 ,获得积分10
23秒前
好好学习完成签到 ,获得积分10
25秒前
天真的莺完成签到,获得积分10
27秒前
Fei发布了新的文献求助30
28秒前
luo完成签到 ,获得积分10
28秒前
xingxing完成签到 ,获得积分10
28秒前
健壮问兰完成签到 ,获得积分10
30秒前
尊敬雪萍完成签到 ,获得积分10
33秒前
SciGPT应助linlin采纳,获得10
34秒前
mayimo完成签到,获得积分10
34秒前
jianrobsim完成签到,获得积分10
37秒前
chen完成签到 ,获得积分10
43秒前
忐忑的草丛完成签到,获得积分10
45秒前
七月星河完成签到 ,获得积分10
46秒前
朱冰蓝完成签到 ,获得积分10
46秒前
maxyer完成签到,获得积分10
47秒前
铎铎铎完成签到 ,获得积分10
48秒前
韧迹完成签到 ,获得积分10
52秒前
喔喔佳佳L完成签到 ,获得积分10
56秒前
科研通AI2S应助科研通管家采纳,获得10
57秒前
Ava应助科研通管家采纳,获得30
57秒前
和平使命应助科研通管家采纳,获得10
57秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Regression-Based Normative Data for Psychological Assessment 700
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3099819
求助须知:如何正确求助?哪些是违规求助? 2751281
关于积分的说明 7612331
捐赠科研通 2403098
什么是DOI,文献DOI怎么找? 1275171
科研通“疑难数据库(出版商)”最低求助积分说明 616276
版权声明 599053