规范化和选择非差异表达基因 改善跨平台转录基因数据的机器学习建模
Fei Deng1, Catherine H Feng1,2, Nan Gao3,4
1Department of Chemical Biology, Ernest Mario School of Pharmacy, Rutgers University, Piscataway, NJ 08854, USA.
Transactions on artificial intelligence
|July 9, 2025
概括
非差异表达基因 (NDEG) 改善了转录基因数据的正常化,提高了对独立RNA微阵列和RNA-seq数据集的机器学习模型性能,用于乳腺癌亚型分类.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 生物过程的定量分析需要强大的规范化.
- 机器学习 (ML) 的RNA微阵列和RNA测序 (RNA-seq) 数据的跨平台集成是具有挑战性的,因为缺乏独立的验证.
- 在跨平台的独立数据集上提高ML模型性能至关重要.
研究的目的:
- 测试非差异表达基因 (NDEG) 可以改善转录基因数据规范化和跨平台ML建模的假设.
- 通过独立的微阵列和RNA-seq数据集来评估基于NDEG的规范化,用于分类乳腺癌分子亚型.
主要方法:
- 使用TCGA乳腺癌微阵列和RNA-seq数据集作为独立的培训和测试集.
- 根据ANOVA的p值,选择了NDEG (p > 0.85) 和差异表达基因 (DEG) (p < 0.05).
- 应用NDEG用于规范化和DEG用于ML模型中的分类,测试跨平台性能.
主要成果:
- NDEG和DEG选择显著改善了ML模型分类性能.
- 非参数统计规范化方法的性能优于参数方法.
- 使用神经网络的LOG_QN和LOG_QNZ规范化显示出卓越的性能.
结论:
- 基于NDEG的规范化对于独立数据集的跨平台ML模型测试是有效的.
- 这种方法对改进转录基因数据分析和分类有希望.
- 需要进一步的研究来验证跨不同数据集和omics类型的NDEG规范化.
