5ZL-05
重要度を考慮したマルチオミクス統合と対照学習によるがん分類モデル
○鈴木翔大,加藤昇平,佐久間拓人(名工大)
がんの診断と治療において,オミクスデータを解析する手法は,より正確な患者分類や予後予測に寄与すると期待されている.特に,単一ではなく,複数のオミクスデータを用いる手法が注目されており,マルチオミクスの統合方法は課題の一つである.本研究では,公共データベースから取得したRNA,miRNA,Methのオミクスデータを対象に,それぞれ深層学習を適用して特徴抽出を行い,行列積を用いて統合する.その際に,オミクスごとの重要度を反映させるためにベイズ最適化を用いて抽出する特徴数を調整するアプローチを提案した.また,エンコーダとして対照学習を導入し,その有効性も検証した.発表では,提案モデルの分類性能について報告する.