混合因果特征选择用于从RNA-Seq数据中识别癌症生物标志物

科学领域:

• 生物医学数据科学是生物医学数据科学.
• 计算生物学是一种计算生物学.
• 基因组学就是基因组学.

背景情况:

• 癌症生物标志物发现对于医学诊断和生物医学应用至关重要.
• 现有的数据驱动方法经常与RNA-seq数据固有的高维度和低样本问题作斗争.
• 目前基于排名和马尔科夫毯 (MB) 的学习方法在准确识别全面的生物标志物集方面存在局限性.

研究的目的:

• 为大规模癌症生物标志物发现提出一种新的混合因果特征选择方法 (CAFES).
• 为了应对RNA序列分析中高维度和低样本数据的挑战.
• 与现有方法相比,识别一套更完整的癌症生物标志物.

主要方法:

• 对于初始维度减少,CAFES采用最小冗余和最大相关性策略.
• 通过条件独立性 (CI) 测试进行因果骨架学习,用于识别马尔科夫毯子 (MB) 的超集.
• DAG-GNN算法完善了MB超集中的因果结构,以精确定位潜在的癌症生物标志物.

主要成果:

• 从两个真实RNA-seq数据集 (二进制和多类) 中,CAFES成功识别了许多癌症生物标志物.
• 发现的生物标志物的很大一部分被现有文献验证为与相关疾病直接相关.
• 与七种当代方法相比,CAFES的回忆率显著更高,表明其有效性.

结论:

• 拟议的CAFES方法在高维和低样本RNA-seq数据中有效识别癌症生物标志物.
• 混合方法将特征选择与因果结构学习 (DAG-GNN) 结合起来,提高了生物标志物发现的准确性.
• 在RECALL中,CAFES提供了显著的优势,这表明其在推进癌症诊断和研究方面的潜力.