利用基因表达值通过对比学习预测癌症预后
机器学习
2024-10-22 v4
摘要
图像分类的最新进展表明，对比学习 (CL) 可通过从有限数量的数据样本中获取良好特征表示来辅助进一步的学习任务。在本文中，我们将 CL 应用于肿瘤转录组与临床数据，以在低维空间中学习特征表示。随后我们利用这些学习到的特征训练分类器，将肿瘤分类为复发高风险或低风险组。利用来自癌症基因组图谱 (TCGA) 的数据，我们证明 CL 可显著提升分类精度。具体而言，我们的基于 CL 的分类器对 14 种癌症的受试者工作特征曲线下面积 (AUC) 大于 0.8，对 2 种癌症的 AUC 大于 0.9。我们还开发了基于 CL 的 Cox (CLCox) 模型用于预测癌症预后。我们用 TCGA 数据训练的 CLCox 模型在预测所考虑的 19 种癌症预后方面显著优于现有方法。用 TCGA 肺与前列腺癌数据训练的 CLCox 模型及基于 CL 的分类器的性能使用两个独立队列的数据进行了验证。我们还表明，用全转录组训练的 CLCox 模型显著优于用 Oncotype DX 的 21 个基因训练的 Cox 模型，后者用于乳腺癌患者的临床应用。针对 19 种癌症的基于 CL 的分类器与 CLCox 模型已公开可用，可利用个体肿瘤的 RNA-seq 转录组预测癌症预后。用于模型训练与测试的 Python 代码亦公开可获取，并可应用于利用肿瘤基因表达数据训练新的基于 CL 的模型。
引用
@article{arxiv.2306.06276,
title = {Contrastive Learning for Predicting Cancer Prognosis Using Gene Expression Values},
author = {Anchen Sun and Elizabeth J. Franzmann and Zhibin Chen and Xiaodong Cai},
journal= {arXiv preprint arXiv:2306.06276},
year = {2024}
}