用于从转录组谱中发现候选生物标志物的混合集成特征选择设计

利用基因表达数据发现疾病生物标志物已被特征选择（FS）方法极大推进，尤其是采用在数据层面扰动（即同构，Hom-EFS）或方法层面扰动（即异构，Het-EFS）的集成FS（EFS）策略。此处我们提出一种混合EFS（Hyb-EFS）设计，探索两类扰动以提升候选生物标志物的稳定性与预测能力。由此，Hyb-EFS旨在打破良好性能与单一数据集、单一算法或两者特定组合之间的关联，这对于基因组生物标志物更好的可重复性尤为有意义。我们研究了该方法对与四种癌症相关的微阵列数据的适用性，并与其他集成和单一FS方法进行了广泛比较。实验中使用了五种FS方法：Wx、对称不确定性（SU）、增益率（GR）、特征方向（GeoDE）和ReliefF。我们观察到，Hyb-EFS与Het-EFS方法削弱了大多数单一FS和Hom-EFS在不同数据集间观察到的巨大性能波动。同时，Hyb-EFS在我们领域内提升了Het-EFS的稳定性。将主要由顶级选择器（Wx、GR和SU）构成的Hyb-EFS与Het-EFS比较，我们的混合方法超越了等效的异构设计及最佳Hom-EFS（Hom-Wx）。有趣的是，Hyb-EFS产生的排序达到了更高的生物学合理性，对癌症相关基因和通路有显著高富集。因此，我们的实验暗示了所提混合EFS设计在从微阵列数据发现候选生物标志物方面的潜力。最后，我们提供了一个开源框架以支持其他领域的类似分析，既作为用户友好应用也作为纯Python包。