RanBALL:一个整体机器学习框架,用于准确识别儿科B细胞急性淋巴细胞白血病的亚型

科学领域:

• 计算生物学是一种计算生物学.
• 儿科瘤学 儿科瘤学
• 基因组医学是一种基因组医学.

背景情况:

• B细胞急性淋巴细胞白血病 (B-ALL) 是最常见的儿科癌症.
• 存在不同的B-ALL亚型,由遗传改变驱动,影响预后.
• 目前的子类型化方法昂贵,复杂和耗时.

研究的目的:

• 为了介绍RanBALL,一个新的,准确的,和成本效益的计算模型B-ALL亚型.
• 利用随机投影和集体学习来改进B-ALL分类.
• 为了促进风险分层和个性化治疗策略B-ALL.

主要方法:

• 开发了RanBALL,这是一个基于随机投影的集合模型.
• 将RanBALL应用于超过1700名B-ALL患者的数据集.
• 将RanBALL与ALLSorts和t-SNE等现有方法进行比较.

主要成果:

• RanBALL实现了高性能指标:0.93准确度,0.93F1得分和0.93马修斯相关系数.
• 在所有评估指标中显著优于ALLSorts.
• 与t-SNE相比,在B-ALL亚型中表现出优越的可视化能力.

结论:

• RanBALL为B-ALL亚型化提供了一个准确且具有成本效益的解决方案.
• 该模型具有发现亚型特定标记物和治疗点的潜力.
• 为了促进其采用和影响,RanBALL的Python软件包已公开提供.