论文链接：https://www.frontiersin.org/articles/10.3389/fbioe.2020.00701/full

摘要

原发部位不明癌症（CUPS）是一种无法确定肿瘤起源部位的转移性肿瘤。精确诊断转移性CUPS的组织来源对于制定治疗方案以改善患者预后至关重要。最近，有许多研究使用各种癌症生物标志物来预测原发组织（TOO）。然而，只有极少数使用拷贝数变异（CNA）来预测原发组织。本文介绍了一种名为CNA_origin的两步计算框架，用于从基因CNA水平预测肿瘤原发组织。CNA_origin建立了一个主要由自动编码器和卷积神经网络（CNN）组成的智能深度学习网络。根据公共数据库发布的真实数据集，CNA_origin在10倍交叉验证中的总体准确率为83.81%，在独立数据集上预测肿瘤起源的准确率为79%，与之前发表的论文方法相比，准确率提高了7.75%和9.72%。文章的研究结果表明，自动编码模型可以提取CNA的关键特征，而本文研究开发的CNN分类器模型可以稳健有效地预测肿瘤的起源。

CNA_origin的工作流程

内容中包含的图片若涉及版权问题，请及时与我们联系删除