基于深度自编码器的依据 DNA 甲基化状态区分癌症类型的系统
定量方法
2018-10-08 v2 机器学习
机器学习
摘要
提出了一种基于深度自编码器（Deep Autoencoder）的内容检索算法，用于依据已知为 CpG 岛的遗传区域中识别出的 DNA 甲基化表观遗传模式来预测和区分癌症类型。所开发的深度学习系统使用 CpG 岛状态分类子系统来完成给定人类细胞系中缺失/不完整的岛数据，随后与一套复杂的统计与信号处理方法流水线连接，以准确预测癌症的存在，并在阳性结果下进一步区分其类型与起源细胞。所提系统使用先前报道的来自四组癌症细胞系案例的数据训练，取得了总体灵敏度 88.24%、特异度 83.33%、准确度 84.75% 及马修斯相关系数 0.687。利用表观遗传事件作为识别模式来预测和区分癌症类型的能力在先前报道的来自乳腺、肺、淋巴母细胞白血病和泌尿系癌症细胞系的数据集中得到展示，使该流水线系统对其他癌症细胞系或表观遗传事件具有鲁棒性与可调性。
引用
@article{arxiv.1810.01243,
title = {A Deep Autoencoder System for Differentiation of Cancer Types Based on DNA Methylation State},
author = {Mohammed Khwaja and Melpomeni Kalofonou and Chris Toumazou},
journal= {arXiv preprint arXiv:1810.01243},
year = {2018}
}