Всесторонний обзор методов машинного обучения для интеграции мультиомных данных: проблемы и применение в прецизионной онкологии

Мультиомные данные играют ключевую роль в прецизионной медицине, прежде всего позволяя изучать разнообразные биологические взаимодействия между различными уровнями омиксных данных. В течение многих лет в этом контексте широко применяются методы машинного обучения. Цель настоящего обзора — всесторонне обобщить и систематизировать эти достижения, уделяя особое внимание интеграции мультиомных данных, включая геномные, транскриптомные, протеомные и метаболомные данные, а также клиническую информацию. Рассмотрены различные методы машинного обучения и вычислительные подходы, используемые для интеграции наборов данных разных омиксных уровней, а также представлены сведения об их применении. Особое внимание уделено проблемам и возможностям, связанным с интеграцией мультиомных данных, прецизионной медициной и стратификацией пациентов; предложены практические рекомендации по выбору методов для различных задач. Кроме того, рассмотрены последние достижения в области глубокого обучения и сетевых подходов, подчёркивающие их потенциал для согласования различных уровней биологической информации. Также представлена дорожная карта интеграции мультиомных данных в прецизионную онкологию с описанием преимуществ, проблем и трудностей внедрения. Таким образом, обзор содержит подробный анализ современной литературы и предоставляет исследователям сведения о методах машинного обучения для стратификации пациентов, особенно в прецизионной онкологии. Контакт: anirban@klyuniv.ac.in.