通过使用混合特征选择方法和深度学习架构,从基因表达谱中提高IDC乳腺癌阶段预测能力

科学领域:

• 计算生物学 计算生物学
• 生物信息学是一种生物信息学.
• 机器学习在瘤学中的应用

背景情况:

• 癌症阶段预测对于治疗计划至关重要,但传统的成像缺乏分子洞察力.
• 基因表达数据提供了一个分子视角,使得RNA序列和微阵列分析癌症进展.
• 现有的用于乳腺癌多阶段分类的机器学习模型显示出有限的成功,需要先进的深度学习方法.

研究的目的:

• 通过深度学习开发和评估改善的多类分类模型,用于乳腺癌分期.
• 调查类平衡和混合特征选择技术对基因表达数据分类的影响.
• 从结合的TCGA和METABRIC数据集提高预测乳腺癌阶段 (1-4) 的准确性.

主要方法:

• 来自TCGA和METABRIC数据集的综合侵入性导管癌乳腺癌样本.
• 应用类平衡技术:合成少数超样本技术 (SMOTE) 和随机低样本的SMOTE.
• 实施了混合功能选择管道 (mRMR,CFS,MI,SVM-RFE) 并评估了各种深度学习模型 (DNN,CNN,RNN,修改后的DNN,AutoKeras).

主要成果:

• 与基线模型相比,类平衡和特征选择显著改善了分类性能.
• 最好的多类分类使用深度神经网络实现了0.303的科恩-卡帕得分和53.1%的准确性.
• 二进制分类 (早期与晚期阶段) 使用修改后的DNN产生了最佳表现,达到81.0%的准确性和0.280.0的科恩-卡帕得分.

结论:

• 特征选择技术对于改善基因表达数据的癌症分类至关重要.
• 拟议的混合特征选择管道提高了乳腺癌和神经母细胞瘤的分类性能.
• 深度学习模型显示了多类癌症阶段预测的潜力,需要进一步的研究来改善晚期分类.