一个新的特征选择算法用于识别肺癌中枢基因
Tehnan I A Mohamed1,2, Absalom E Ezugwu3, Jean Vincent Fonou-Dombeu1
1School of Mathematics, Statistics, and Computer Science, University of KwaZulu-Natal, KwaZulu-Natal, King Edward Avenue, Pietermaritzburg Campus, Pietermaritzburg, 3201, South Africa.
Scientific reports
|December 8, 2023
概括
这项研究引入了一个新的算法,以投票为基础的增强二进制埃博拉优化搜索算法 (VBEOSA),用于肺癌研究. VBEOSA有效地识别了关键的枢纽基因和通路,改善了肺癌的诊断能力.
科学领域:
- 生物医学信息学 生物医学信息学
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 肺癌仍然是全球主要的死亡原因,需要先进的诊断和治疗策略.
- 准确识别癌症生物标志物对于有效的临床管理至关重要.
- 现有的基因表达分析和特征选择方法需要对肺癌等复杂疾病进行增强.
研究的目的:
- 引入和评估基于投票的增强二进制埃博拉优化搜索算法 (VBEOSA),用于肺癌研究中的特征选择.
- 使用VBEOSA识别与肺癌相关的关键枢纽基因和分子通路.
- 探索VBEOSA在改善肺癌诊断和理解其分子机制方面的潜力.
主要方法:
- 基于投票的增强二进制埃博拉优化搜索算法 (VBEOSA) 的应用,这是一个组合方法,结合了二进制优化和埃博拉优化搜索算法.
- 使用来自癌症基因图谱 (TCGA) 的肺癌基因表达数据集,并进行预处理,包括异常检测,规范化和过.
- 进行蛋白质-蛋白质相互作用分析,途径分析和加权基因共同表达网络分析 (WGCNA).
主要成果:
- 在肺癌数据集中,VBEOSA成功地进行了特征选择,确定了十个重要的枢纽基因:ADRB2,ACTB,ARRB2,GNGT2,ADRB1,ACTG1,ACACA,ATP5A1,ADCY9和ADRA1B.
- 途径分析突出显示了肺癌中唾液分泌和信号传导等途径的参与.
- WGCNA确定了与肺癌临床特征密切相关的基因模块.
结论:
- VBEOSA在特征选择中表现出有效性,用于识别与肺癌相关的枢纽基因和途径.
- 已识别的基因和途径为肺癌的分子格局提供了宝贵的见解.
- 这项研究为提高肺癌诊断能力和临床管理提供了基础.
