基于通路的核提升方法用于基因组数据的样本分类
机器学习
2018-03-14 v1 机器学习
定量方法
摘要
癌症基因组数据分析长期受困于“维数灾难”。多数癌症基因组研究的样本量至多几百，而所研究的基因组特征达数万。已有多种方法利用通路等先验生物学知识来更有效地分析癌症基因组数据。多数方法侧重于检验通路与临床表型关联的边际显著性，可识别相关通路，但不涉及预测建模。本文提出一种基于通路的核提升(PKB)方法，整合基因通路信息用于样本分类，其中将各通路计算所得核函数作为基学习器，并通过分类损失函数的迭代优化学习权重。我们将 PKB 与几种竞争方法应用于三项具有病理与临床信息(包括肿瘤分级、分期、肿瘤部位及转移状态)的癌症研究。结果表明 PKB 优于其他方法，并识别出与结局变量相关的通路。
引用
@article{arxiv.1803.03910,
title = {A pathway-based kernel boosting method for sample classification using genomic data},
author = {Li Zeng and Zhaolong Yu and Hongyu Zhao},
journal= {arXiv preprint arXiv:1803.03910},
year = {2018}
}