基于单数值分解的惩罚性多项回归,用于使用甲基化数据对不平衡的髓母细胞瘤子组进行分类
Isra Mohammed1, Murtada K Elbashir2,3, Areeg S Faggad4
1Department of Statistics, Faculty of Mathematical and Computer Sciences, University of Gezira, Wad Madani, Sudan.
概括
精确的脑髓母细胞瘤 (MB) 分子组分类对于治疗至关重要. 这项研究开发了一种使用DNA甲基化数据的新方法,以改善亚组识别,达到99%的准确性.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 在瘤学瘤学.
背景情况:
- 骨髓母细胞瘤 (MB) 是一种异质的脑瘤,有四个主要的分子子组 (SHH,WNT,组3,组4).
- 准确的分类对于有效的治疗和改善患者的治疗结果至关重要.
- 现有的分类算法与不平衡的基因组数据集作斗争.
研究的目的:
- 开发一种强大的方法来分类不平衡的脑髓母细胞瘤基因组数据.
- 确定区分MB分子子组的关键DNA甲基化探针特征.
- 为了提高脑髓母细胞瘤亚群分类的准确性.
主要方法:
- 应用单数值分解 (SVD) 来减少高维的DNA甲基化数据.
- 利用小组激光技术来选择有信息的甲基化探针特征.
- 为了分类,采用了坐标下降的多项式回归.
- 使用五倍交叉验证技术验证了模型.
主要成果:
- 使用SVD将321,174个DNA甲基化探针特征减少到200个.
- 选择了不到40个关键特征,使用组拉索进行分类.
- 在分类四个MB分子子组时获得了99%的平均整体准确性.
- 与现有最先进的方法相比,表现出优越的性能.
结论:
- 拟议的方法有效地根据不平衡的基因组数据对脑髓母细胞瘤分子子组进行分类.
- 使用SVD和组激光器的特征选择显著提高了分类准确性.
- 这种方法为准确的脑髓母细胞瘤诊断和个性化治疗策略提供了有前途的工具.
