用机器学习识别乳腺癌不同阶段的基因表达
Ali Abidalkareem1, Ali K Ibrahim1,2, Moaed Abd3
1EECS Department, Florida Atlantic University, Boca Raton, FL 33431, USA.
Cancers
|May 25, 2024
概括
这项研究开发了一个机器学习模型,使用microRNAs (miRNAs) 准确识别乳腺癌的阶段. 与传统方法相比,先进的特征选择方法显著提高了诊断准确性.
科学领域:
- 在瘤学瘤学.
- 分子诊断学 分子诊断
- 生物信息学是一种生物信息学.
背景情况:
- 确定瘤起源对于转移性癌症的诊断和治疗至关重要.
- 微RNA (miRNA) 失调与瘤原性疾病有关.
- 目前对转移性癌症的诊断程序存在局限性.
研究的目的:
- 开发一种机器学习模型,使用miRNA表达数据识别乳腺癌的阶段.
- 识别关键的miRNAs,作为不同癌症阶段的生物标识符.
- 为了比较先进的特征选择技术与传统方法的性能.
主要方法:
- 利用了来自癌症基因组图谱数据库的miRNA定量读数数据,用于1097个转移性乳腺癌样本.
- 雇佣的邻里组件分析 (NCA) 和最小冗余的最大相关性 (mRMR) 功能选择.
- 验证了选择的miRNAs作为四个乳腺癌阶段的生物标识符.
主要成果:
- 使用NCA和mRMR的机器学习模型实现了高精度得分 (分别高达0.983和0.931).
- 这些先进的方法的性能优于传统的折叠变换 (FC) 方法 (精度为0.920).
- 在癌症检测的早期阶段,性能特别提高.
结论:
- 先进的特征选择方法显著提高了癌症阶段识别的准确性.
- 这种方法有可能改善瘤学的诊断和治疗策略.
- miRNAs可以作为乳腺癌分期的有效生物标志物.


