Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-bio > arXiv:2508.02743

帮助 | 高级搜索

定量生物学 > 基因组学

arXiv:2508.02743 (q-bio)
[提交于 2025年8月2日 ]

标题: 一种用于泛癌RNA-Seq分类的新型cVAE增强深度学习框架

标题: A Novel cVAE-Augmented Deep Learning Framework for Pan-Cancer RNA-Seq Classification

Authors:Vinil Polepalli
摘要: 使用转录组(RNA-Seq)数据进行泛癌分类可以为肿瘤亚型和治疗选择提供信息,但由于维度极高和样本量有限而具有挑战性。 在本研究中,我们提出了一种新的深度学习框架,该框架使用类条件变分自编码器(cVAE)来增强泛癌基因表达分类的训练数据。 使用来自癌症基因组图谱(TCGA)的801个跨越5种癌症类型的肿瘤RNA-Seq样本,我们首先进行特征选择,将20,531个基因表达特征减少到500个变异程度最高的基因。 然后在这些数据上训练一个cVAE,以学习基于癌症类型的基因表达潜在表示,从而为每种肿瘤类别生成合成基因表达样本。 我们用这些cVAE生成的样本对训练集进行增强(使数据集大小翻倍),以减轻过拟合和类别不平衡问题。 随后在增强的数据集上训练一个两层多层感知机(MLP)分类器来预测肿瘤类型。 增强的框架在保留的测试集上实现了高分类准确率(约98%),明显优于仅在原始数据上训练的分类器。 我们展示了详细的实验结果,包括VAE训练曲线、分类器性能指标(ROC曲线和混淆矩阵)以及架构图,以说明该方法。 结果表明,基于cVAE的合成增强可以显著提高泛癌预测性能,尤其是对于代表性不足的癌症类别。
摘要: Pan-cancer classification using transcriptomic (RNA-Seq) data can inform tumor subtyping and therapy selection, but is challenging due to extremely high dimensionality and limited sample sizes. In this study, we propose a novel deep learning framework that uses a class-conditional variational autoencoder (cVAE) to augment training data for pan-cancer gene expression classification. Using 801 tumor RNA-Seq samples spanning 5 cancer types from The Cancer Genome Atlas (TCGA), we first perform feature selection to reduce 20,531 gene expression features to the 500 most variably expressed genes. A cVAE is then trained on this data to learn a latent representation of gene expression conditioned on cancer type, enabling the generation of synthetic gene expression samples for each tumor class. We augment the training set with these cVAE-generated samples (doubling the dataset size) to mitigate overfitting and class imbalance. A two-layer multilayer perceptron (MLP) classifier is subsequently trained on the augmented dataset to predict tumor type. The augmented framework achieves high classification accuracy (~98%) on a held-out test set, substantially outperforming a classifier trained on the original data alone. We present detailed experimental results, including VAE training curves, classifier performance metrics (ROC curves and confusion matrix), and architecture diagrams to illustrate the approach. The results demonstrate that cVAE-based synthetic augmentation can significantly improve pan-cancer prediction performance, especially for underrepresented cancer classes.
主题: 基因组学 (q-bio.GN) ; 人工智能 (cs.AI); 机器学习 (cs.LG)
引用方式: arXiv:2508.02743 [q-bio.GN]
  (或者 arXiv:2508.02743v1 [q-bio.GN] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.02743
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Vinil Polepalli [查看电子邮件]
[v1] 星期六, 2025 年 8 月 2 日 16:57:31 UTC (550 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
许可图标 查看许可
当前浏览上下文:
q-bio.GN
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
cs.AI
cs.LG
q-bio

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号