Mejora de la clasificación de datos genómicos desequilibrados mediante muestreo sintético basado en KDE

Área de la Ciencia:

• Aprendizaje automático biomédico
• Análisis de datos genómicos
• Biología computacional

Sus antecedentes:

• El desequilibrio de clase es un desafío significativo en conjuntos de datos genómicos de alta dimensión.
• Los modelos estándar de aprendizaje automático a menudo muestran sesgo hacia la clase mayoritaria.
• Este sesgo es particularmente problemático en el diagnóstico clínico de enfermedades raras.

Objetivo del estudio:

• Introducir un nuevo método de sobre muestreo basado en la estimación de la densidad del núcleo (KDE).
• Para reequilibrar los conjuntos de datos genómicos desequilibrados mediante la generación de muestras de clase minoritarias sintéticas.
• Para abordar las limitaciones de las técnicas convencionales de muestreo excesivo como SMOTE.

Principales métodos:

• Desarrolló un enfoque de muestreo excesivo basado en KDE para estimar las distribuciones globales de clases minoritarias.
• Muestras de clase minoritaria sintéticas generadas para reequilibrar conjuntos de datos genómicos desequilibrados.
• Evaluó el método en 15 conjuntos de datos genómicos del mundo real utilizando Naïve Bayes, árboles de decisión y bosques aleatorios, comparándolos con SMOTE y la línea de base.

Principales resultados:

• El exceso de muestreo de KDE mejoró consistentemente el rendimiento de clasificación en conjuntos de datos y clasificadores.
• Se observaron mejoras significativas en métricas robustas de desequilibrio como el AUC de la curva IMCP.
• KDE demostró un rendimiento superior con modelos basados en árboles y simplificó el proceso de muestreo.

Conclusiones:

• El sobre muestreo basado en KDE proporciona una solución estadísticamente sólida y efectiva para los datos genómicos desequilibrados.
• El método mejora la equidad y la precisión en la toma de decisiones médicas.
• Ofrece una alternativa prometedora a las técnicas de sobremostración existentes para datos biológicos complejos.