醫(yī)學數據庫（如Disease Ontology）能夠幫助臨床醫(yī)生們，在病理學分析和臨床癥狀的基礎上，對疾病進行分類?，F(xiàn)在，為了改進疾病的分類法，科學家們將疾病與分子數據結合起來，發(fā)現(xiàn)了14個新的疾病關聯(lián)。
Ljubljana大學、倫敦帝國理工和GSK的研究人員，在Nature旗下的Scientific Reports雜志上發(fā)表了這項研究。
“我們希望在生物學機制的基礎上，將疾病關聯(lián)起來，”Blaz Zupan教授說。“我們相信這一新的疾病分類途徑，更為準確也更貼合治療，可以幫助人們更好的理解疾病的臨床表現(xiàn)和生物學機制。”
這項研究中用于分類的分子數據集，不僅龐大而且非常多樣化。為了處理這些數據，研究人員采用了同步矩陣分解，以便分析11個大型數據源中的四個不同對象：藥物、基因、Disease Ontology條目、和Gene Ontology條目。
據Zupan介紹，研究團隊面臨的主要挑戰(zhàn)是，找到能整合多個數據源的方法。為此，文章的*作者Marinka Zitnik開發(fā)了DFMF（Data Fusion by Matrix Factorization）算法，這種算法可以同時在多個資源中挖掘數據。他們利用這一算法，在三個星期內發(fā)現(xiàn)了14個新的疾病關聯(lián)。
“這一算法的zui大優(yōu)勢在于，將多個矩陣融合在一起，例如在這項研究中，它整合了11個不同的數據矩陣，”Zupan說。“這些矩陣之間存在共享的對象，例如基因和疾病。我們的同步矩陣分解實現(xiàn)了大規(guī)模的數據融合。”
基因組研究者往往需要分析和整合大量的數據源，這一技術也能為此提供幫助“一般科學家們zui多分析兩三個數據集，而這一技術可以同時處理十到二十個數據集，”Zupan說。“目前，高通量技術為人們提供了海量的數據，我們的技術可以幫助人們對這樣的數據進行處理。”
目前，研究人員正準備為上述技術開發(fā)界面，以幫助其他研究者解決問題。
