过器和包装堆叠组合 (FWSE):一种强大的方法,用于在高维的奥米克数据中可靠地发现生物标志物
Sugam Budhraja1, Maryam Doborjeh1, Balkaran Singh1
1Knowledge Engineering and Discovery Research Innovation (KEDRI), School of Engineering Computer and Mathematical Sciences, Auckland University of Technology, 55 Wellesley Street East, 1010 Auckland, New Zealand.
Briefings in bioinformatics
|October 27, 2023
概括
这项研究引入了一种新的集合特征选择方法 (FWSE),用于从复杂的奥米克数据中识别稳定和可重复的生物标志物. 在生物信息学中,FWSE增强了用于疾病诊断和治疗反应的生物标志物发现.
科学领域:
- 生物信息学和计算生物学
- 机器智能是机器的智能.
- 基因组学和蛋白质组学
背景情况:
- 选择准确的生物标志物对于疾病诊断,预后和治疗反应预测至关重要.
- 由于样本有限,方法依赖性和可重复性问题,高维的奥米克数据在生物标志物发现中存在挑战.
研究的目的:
- 提出一种新的组合特征选择方法,即过器和包装堆叠组合 (FWSE),用于从高维的奥米克数据中识别可重现的生物标志物.
- 解决生物信息学特征选择的挑战,包括小样本大小和不可重复性.
主要方法:
- FWSE采用组合方法,结合过器和包装器特征选择技术.
- 过方法应用于数据子集以删除无关的特征,其次是封装方法以排名最有信息的特征.
主要成果:
- 在四个高维度医疗数据集 (精神疾病和癌症) 中,FWSE在特征选择中表现出稳定性和统计意义.
- 选择的特征显示出生物相关性,并且在可复制性方面表现优于现有方法.
- 该方法在各种高维数据集上被证明是有效的.
结论:
- FWSE为生物信息学和机器智能领域的可重复生物标志物发现提供了强大的通用方法.
- 该方法提高了从复杂的医疗数据中识别生物标志物的可靠性.
- 通过改进的诊断和预后工具,FWSE有助于推进个性化医疗.
