Identificación de genes de alto riesgo y clasificación de pacientes con infarto agudo de miocardio que utilizan el...

Área de la Ciencia:

• Bioinformática y Biología Computacional.
• Genómica y medicina de precisión.

Sus antecedentes:

• La clasificación precisa de enfermedades a partir de datos de expresión génica se basa en una selección genética efectiva.
• Los métodos tradicionales de aprendizaje automático (ML) a menudo utilizan la selección de características básicas (FS), lo que limita la precisión de la clasificación.
• El aprendizaje profundo (DL) ofrece capacidades avanzadas de reconocimiento de patrones para datos biológicos complejos.

Objetivo del estudio:

• Mejorar el rendimiento de la clasificación de la expresión génica mediante la integración de DL con métodos FS enfocados en genes.
• Para evaluar la eficacia del análisis de expresión diferencial (DEA) como una técnica de FS biológica.
• Para comparar el rendimiento de los modelos ML y DL con y sin diversas estrategias de FS.

Principales métodos:

• Clasificadores ML y DL evaluados en conjuntos de datos de expresión génica (GSE36961, GSE57345).
• Métodos de selección de características empleados, incluidos el chi-cuadrado y DEA, junto con el Análisis de Componentes Principales (PCA).
• Utilizó validación cruzada de k-fold, ajuste de hiperparámetros y pruebas estadísticas para una comparación rigurosa del modelo.

Principales resultados:

• Los modelos DL superaron constantemente a los modelos ML en diferentes escenarios de FS.
• La selección de características, particularmente DEA, mejoró significativamente la precisión de la clasificación tanto para ML como para DL.
• Se confirmaron todas las hipótesis probadas con respecto al impacto de la FS y el tipo de modelo.

Conclusiones:

• La integración de DL con la selección de características biológicas (DEA) aumenta sustancialmente la clasificación de la expresión génica.
• Este enfoque combinado facilita una clasificación genética robusta y el descubrimiento de biomarcadores.
• El marco proporciona un método reproducible para la clasificación de enfermedades basada en biomarcadores.