使用多视图特征选择方法与集成分类器的泛癌症分类模型

准确识别癌症样本对于精确诊断和有效的患者治疗至关重要。传统方法在处理高维和高特征样本比时存在困难，而这对于癌症样本分类至关重要。本研究旨在开发一个专门针对转录组数据的新型特征选择框架，并提出两种集成分类器。在特征选择方面，我们根据特征类型对转录组数据集进行垂直划分。然后对每个划分应用 Boruta 特征选择过程，合并结果，并再次对合并后的结果应用 Boruta。我们使用不同的 Boruta 参数重复该过程，并准备最终的特征集。最后，我们基于 LR、SVM 和 XGBoost 分类器，结合最大投票和平均概率方法构建了两种集成机器学习模型。我们使用 10 折交叉验证来确保稳健可靠的分类性能。我们的方法达到了 97.11% 的准确率和 0.9996 的 AUC 值，与现有的 SOTA 方法相比，在分类 33 种癌症类型时表现更优。由于组织来源的相似性，传统上很难区分一组 12 种癌症。我们的方法准确识别了这 12 种癌症中超过 90% 的样本，优于现有文献中提出的所有已知方法。基因集富集分析表明，我们框架选择的特征富集了与癌症高度相关的通路。本研究开发了一个特征选择框架，用于选择与癌症发展高度相关的特征，从而以更高的准确率识别不同类型的癌症样本。