Erstellen Sie zunächst eine neue virtuelle Umgebung mit dem Namen Health Model mit Python-Version 3.7. Führen Sie in der Supercomputing-Plattform des Slurm-Clusters das Modul Load Anaconda Command aus. Sobald der Befehl ausgeführt wurde, erscheint eine Bestätigungsaufforderung auf dem Bildschirm.
Geben Sie Y ein, um fortzufahren, und warten Sie, bis der Vorgang abgeschlossen ist. Aktivieren Sie dann die virtuelle Umgebung gemäß den plattformspezifischen Anweisungen. Führen Sie als Nächstes den Befehl aus, um PyTorch 1.13.1 zu installieren.
Installieren Sie zusätzliche Pakete für Brennergeometrie, z. B. torch_scatter, torch_sparse, torch_cluster und torch_spline_convulsion, und befolgen Sie dabei die Installationsrichtlinien. Installieren Sie dann die Version 2.2.0 des Torch geometric Package. Laden Sie den Code und das vortrainierte Gesundheitsmodell von der Health Informatics Lab-Website herunter.
Dekomprimieren Sie die Datei in einen gewünschten Pfad. Ändern Sie dann das Arbeitsverzeichnis in der Befehlszeile in den Ordner mqTrans des Integritätsmodells. Führen Sie den Befehl aus, um mqTrans-Features zu generieren und die Ausgaben zu erhalten.
Die mqTrans-Features werden als Ausgabe-MQ-Ziel-CSV generiert, und die Etikettendatei wird als Ausgabe-Label-CSV erneut gespeichert. Zusätzlich werden die ursprünglichen Expressionswerte der mRNA-Gene als CSV-Dateiausgabetestziele extrahiert. Verwenden Sie als Nächstes den Feature-Auswahlalgorithmus für die Auswahl von mqTrans-Features.
Wenn Sie mqTrans-KEs oder Original-KEs auswählen, ohne sie zu kombinieren, setzen Sie Kombinieren auf false. Wählen Sie 800 Original-Features aus, und teilen Sie das Dataset zu Trainings- und Testzwecken in 0,8 in 0,2 auf. Um mqTrans-Features mit den ursprünglichen Ausdruckswerten für die Feature-Auswahl zu kombinieren, setzen Sie combine auf true.
Es wurden dunkle Biomarker mit differentiellen mqTrans-Werten, aber undifferentieller mRNA-Expression identifiziert. Unter den 3062 Merkmalen wurden 221 dunkle Biomarker detektiert. Die allgemeine Knappheit dunkler Biomarker wurde im Vergleich zu herkömmlichen Biomarkern bei den meisten Krebsarten beobachtet, mit Ausnahme von BRCA, MESO und TGCT.
