연구진은 다중 오믹스 데이터를 통합하는 새로운 프레임워크인 Pathway Activity Autoencoders를 개발했어요. 이 프레임워크는 기존 방식의 해석 가능성과 표현력을 모두 갖추고 있으며, 암 연구에 적용해 생존 예측과 아형 분류 성능을 향상시켰어요. 유전자, 단백질, miRNA 발현 데이터가 예측 성능에 가장 큰 영향을 미치는 것으로 나타났으며, 학습된 특징 공간 시각화는 임상적 관련성을 보여줬어요.