一种基于深度学习的KRAS突变型非小细胞肺癌标志物识别方法及系统

本发明公开了一种基于深度学习的KRAS突变型非小细胞肺癌标志物识别方法及系统。该方法通过收集KRAS突变型与野生型非小细胞肺癌患者的转录组和蛋白组多组学数据，缺失值处理及标准化完成数据预处理；构建多通道变分自编码器（VAE）模型，为转录组和蛋白组数据设计独立编码器通道，采用动态训练策略和分阶段KLD预热策略训练模型以提取潜在特征；将潜在特征融合后构建PLS‑DA模型，结合|log2FC|>1、adj.p<0.05、VIP>1.5及KL散度>0.8的多重筛选机制，识别KRAS突变型非小细胞肺癌特异性标志物。本发明实现了多组学数据的深度融合与精准分析，提高了标志物识别的准确性和特异性，为KRAS突变型非小细胞肺癌的诊断、治疗靶点发现及个体化治疗提供了高效技术支撑。