探索了3种简单的CNNs模型来进行癌症种类分类，其中并没有考虑基因排序带来的影响（直接利用其名称进行排序），依然得到了95.7%的分类准确率。
2020-10-14
论文精读-使用神经网络进行Time-to-Event预测-2019
本研究扩展了CoxPH模型，将其可以应用到非线性和非比例假设的情况下。另外，该文章对于生存分析的模拟、基础理论等都有非常详细的介绍，非常适合进行学习。
2020-10-12
论文精读-GSAE-2018
本研究基于自编码器框架提出了一个无监督模型，可以将已知的gene sets信息进一步进行总结，得到gene sets的组合——supersets的表示。其利用TCGA数据集进行了验证，显示出改模型在无监督聚类、亚型分类、生存预测等任务上都表现出色。
2020-10-06
论文精读-使用gene表达数据进行癌症分类-2018
本研究将RNAseq数据按照所属染色体整理成2D images数据，使用CNNs进行癌种分类，并使用Guided Grad-CAM方法来筛选变量，得到了可解释的结果。
2020-10-06
论文精读-使用GCN对癌症进行分类-2020
本研究探索了使用GCNs进行TCGA癌症分类的可能性，使用的网络出了PPI外还有co-expression。
2020-09-13
论文精读-DeepBind预测DNA/RNA蛋白结合位点-2015
Predicting the sequence specificities of DNA- and RNA-binding proteins by deep learning
杂志: Nature Biotechnology
IF:
分区
2020-07-27
论文精读-deepNF预测蛋白质功能-2018
本研究提出了一种新的整合多种蛋白质网络、提取蛋白质特征的方法用于预测蛋白质功能。其特点在于使用深度自编码器来融合多个网络的信息并提取特征（相对于其领域之前的方法mashup），并在yeast和human的数据集上进行了验证，显示出良好的效果。
2020-06-03
论文精读-使用VAE整合多组学数据进行PanCancer分析-OmiVAE2019
本研究提出了一个基于VAE的多组学模型，可以进行多组学降维和基于此的end-to-end的分类任务。本研究在TCGA pan-cancer的癌症类型分类任务上验证了该模型，体现出优异的性能。在我看来，其依据染色体分组提取特征的思路是亮点之一。
2020-05-21
论文精读-PAMOGK-2019
本研究是一项多组学亚组聚类的方法学研究。本研究提出了一种基于graph kernel和multi-view clustering的多组学聚类方法，其可以将pathway数据和多组学数据（RNAseq、somatic mutations和RPPA等）结合进行聚类分析。在TCGA-KIRC上进行了验证，效果不错。
2020-05-19
论文精读-基于RNN的GRN-2016
本研究提出了一种混合方法，将RNN和Kalman滤波器结合在一起，来构建基因调控网络，并在多个数据集上进行了验证。
2020-05-17
论文精读-深度学习组学应用-2018综述
本研究旨在为研究者提供入门级（entry-level）的指导，使得研究者可以使用deep learning（DL）技术来解决组学问题。首先介绍了多种DL-models，然后介绍了其和omics在特定研究领域的结合，另外总结了DL技术分析omics数据的一般套路，并总结了一些还未被系统研究的问题，最后比较了现存的开源DL框架和总结了DL领域的机会和挑战。
2020-05-15