用于基于miRNA的肺癌诊断的计算基因组学算法：机器学习的潜力
基因组学
2016-11-08 v2
摘要
大规模、高通量基因组筛查的出现引入了一系列用于诊断目的的检测。其中突出的是使用miRNA表达水平的检测。基因组学和蛋白质组学现在可一次提供数百种miRNA的表达水平。然而，要使实际诊断工具成为现实，需要同时开发方法来解释可从单个患者样本生成的大量miRNA表达数据。由于这些数据为数值形式，必须开发定量方法。诸如p值和log fold change等统计量提供一些见解，但必须首先评估每种miRNA检测的诊断有效性。在此，作者开发了一种传统的、基于灵敏度和特异性的算法，以及一种现代机器学习算法，并针对公开可用数据库评估了它们对肺癌的诊断潜力。研究结果表明，机器学习算法达到了更高的准确率（癌症样本97%，正常样本73%），此外还提供可能提供有价值诊断支持的置信区间。该机器学习算法还具有显著潜力，可扩展到更复杂的肺癌亚型诊断、其他癌症以及癌症以外的疾病。两种算法均可在Github仓库获取：https://github.com/neerja-g/machine-learning-miRNA。
引用
@article{arxiv.1610.09423,
title = {Computational genomic algorithms for miRNA-based diagnosis of lung cancer: the potential of machine learning},
author = {Neerja Garikipati},
journal= {arXiv preprint arXiv:1610.09423},
year = {2016}
}
备注
18 pages, 5 figures, 5 tables, associated code on Github: https://github.com/neerja-g/machine-learning-miRNA