用于癌症转录组学差异基因筛选的曲率引导复合核框架

差异表达基因的鉴定是基因数据下游任务中的关键步骤，例如生物标志物发现和药物靶点识别。传统方法假设RNA测序数据服从负二项分布，并通过广义线性模型或通过估计离散度以及均值—方差关系的假设来对差异表达基因进行建模。所提出的方法采用公理化方法，利用量子力学原理，通过复合核将转录本数据投影到希尔伯特空间中。利用希尔伯特空间内潜在流形上由转录本生成的曲率，采用一种受引力搜索启发的机制，通过最小化表征损失函数来识别最优数量的差异表达基因，并构建一个缩减的基因特征空间作为潜在的差异表达基因。所提出的方法已与现有经验方法进行了比较，并通过适当的统计学和生物学基准分析进行了验证。

差异表达基因的识别是基因数据下游任务中的关键步骤，例如生物标志物发现和药物靶点识别。传统方法通常假设RNA测序数据服从负二项分布，并采用广义线性模型对差异表达基因进行建模，或者通过估计离散度并假设均值—方差关系来进行分析。所提出的方法采用公理化方法，利用量子力学原理，通过复合核将转录本数据投影到希尔伯特空间中。利用希尔伯特空间内潜在流形上由转录本产生的曲率，采用一种受引力搜索启发的机制，通过最小化表征损失函数来识别最优数量的差异表达基因，并构建一个降维后的基因特征空间作为潜在的差异表达基因。该方法已与现有经验方法进行了比较，并通过适当的统计学和生物学基准分析进行了验证。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.23.740443v1?rss=1

🏷️ 差异表达基因 癌症转录组学 RNA测序 复合核方法 希尔伯特空间 特征选择