gSELECT:一个新的预分析机器学习库,可以在单细胞数据中进行早期假设测试和预测基因选择
Deniz Caliskan1, Aylin Caliskan1, Thomas Dandekar1
1Department of Bioinformatics, Biocenter, University of Würzburg, Am Hubland, Würzburg D-97074, Germany.
Computational and structural biotechnology journal
|August 18, 2025
概括
gSELECT是一个新的Python库,用于评估基因组,使用基因表达数据对生物条件进行分类. 它允许基于假设的测试,并在广泛的下游分析之前评估候选基因.
科学领域:
- 文字转录学 (Transcriptomics) 是一个学科.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 评估条件分离的基因组在转录组分析中至关重要.
- 现有的工作流程往往缺乏对分类中预定义的基因组的直接评估.
- 这限制了评估文献衍生面板或生物假设.
研究的目的:
- 开发gSELECT,一个用于评估基因组分类性能的Python库.
- 为了能够评估自动排序和用户定义的基因组.
- 为了支持基于假设的基因组评估,而没有数据衍生的偏见.
主要方法:
- gSELECT 处理 .csv 或 .h5ad 表达式矩阵与组标签.
- 基因选择方法包括相互信息排名,随机抽样或定制输入.
- 分类使用具有蒙特卡洛交叉验证的多层感知子,并支持火车/测试分割.
主要成果:
- gSELECT可以促进基因组的假设驱动测试.
- 它允许对已知或候选标记物的直接评估.
- 详尽和贪的策略识别最小的基因组合,以获得高预测能力.
结论:
- gSELECT 作为一个预分析工具,用于评估数据集的可分离性.
- 它支持对候选基因的早期评估.
- 该图书馆有助于在资源密集的下游分析之前优先考虑基因.


