基于miRNA的乳腺癌亚型化使用AHALA多阶段分类方法
Mohammed Qaraad1, Eric P Rahrmann1, David Guinovart1
1The Hormel Institute, University of Minnesota, 801 16th Ave NE, Austin, MN 55912, USA.
Cancers
|February 27, 2026
概括
一个新的算法,自适应登人工的算法 (AHALA),准确地分类乳腺癌使用microRNA (miRNA) 表达. 这种精准医学方法确定了改善诊断和治疗的关键生物标志物.
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:
- 乳腺癌是分子异质的,需要精确的亚型,以获得有效的精准医学.
- 微RNA (miRNA) 表达形状为乳腺癌亚型化提供了潜力,但在特征选择和算法优化方面面临挑战.
- 准确的亚型化对于将治疗量身定制为个体乳腺癌分子形状至关重要.
研究的目的:
- 开发和验证一个新的优化框架,用于精确的基于miRNA的乳腺癌亚型.
- 通过先进的特征选择和机器学习,增强miRNAs作为诊断生物标记物的潜力.
- 提高乳腺癌分类精度,以实现个性化治疗策略.
主要方法:
- 提出了自适应登人工脚算法 (AHALA),一种混合优化框架.
- 应用低变异过和差异基因表达分析以减少维度.
- 利用AHALA优化深度神经网络超参数,使用miRNA数据对多类乳腺癌亚型进行分类.
- 在TCGA乳腺癌miRNA表达数据上验证了该方法,并与其他优化算法进行了对比.
主要成果:
- 阿哈拉实现了高分类性能:95.74%的准确性,95.98%的精度,95.74%的回忆,95.74%的F1得分和0.9682AUC.
- 与现有的优化方法相比,该算法证明了优越的融合和意义.
- 确定了与不同乳腺癌亚型相关的特定miRNAs (例如hsa-miR-190b,hsa-miR-429).
结论:
- 艾哈拉框架为基于miRNA的乳腺癌亚型化提供了一种高效和有效的方法.
- 算法的整合全球探索和本地搜索可以提高分类性能和稳定性.
- 艾哈拉有效地识别出具有生物学意义的生物标志物,标记它为乳腺癌诊断的有希望的工具.
