用于癌症驱动基因预测的机器学习方法：一篇综述
机器学习
2022-04-05 v1 基因组学
摘要
识别驱动肿瘤发生的基因与突变是增进对癌症理解并指明疾病诊断与治疗新方向的重要一步。尽管基因组学数据海量，但从数百万可能的体细胞突变中精确检测驱动突变及其所载基因（即癌症驱动基因）仍具挑战。计算方法在识别与癌症驱动因子相关的基因组模式以及建立预测驱动事件的模型中发挥着日益重要的作用。机器学习（ML）是众多此类工作的引擎，并为解决该领域遗留空白提供了极佳机遇。因此，本综述旨在对基于 ML 的计算方法进行综合分析，以识别癌症驱动突变与基因，提供该科学问题下广阔数据与算法图景的集成全景视图。我们讨论了既往解决方案中数据类型与 ML 算法间的相互作用如何被探索，并概述了值得科学界进一步关注的分析局限。我们希望通过帮助读者更熟悉 ML 为该领域带来的重大进展，激励新研究者解决开放问题，推进我们在癌症驱动发现方面的知识。
引用
@article{arxiv.2109.13685,
title = {Machine learning methods for prediction of cancer driver genes: a survey paper},
author = {Renan Andrades and Mariana Recamonde-Mendoza},
journal= {arXiv preprint arXiv:2109.13685},
year = {2022}
}