基于降维与可解释人工智能的mRNA基因表达中精准癌症分类与生物标志物识别
定量方法
2024-10-11 v1 机器学习
摘要
基因表达分析是癌症分类的关键方法，通过识别与各种肿瘤相关的独特分子特征，实现精准诊断。从基因表达值中识别癌症特异性基因，可实现更精细化、个人化的治疗方案。然而，mRNA基因表达数据的高维度为分析和数据提取带来了挑战。本研究提出了一套综合性流程，准确识别33种不同癌症及其对应的基因集合。该流程融合了归一化和特征选择技术，有效降低数据集维度，同时确保高性能。值得注意的是，我们的流程仅使用500个特征，即可成功识别大量癌症特异性基因，而原始数据集包含19,238个特征。我们采用集成方法结合三种顶级分类器，实现了96.61%的分类准确率。此外，我们利用可解释人工智能方法阐明了所识别癌症特异性基因的生物学意义，开展差异基因表达（DGE）分析。
引用
@article{arxiv.2410.07260,
title = {Precision Cancer Classification and Biomarker Identification from mRNA Gene Expression via Dimensionality Reduction and Explainable AI},
author = {Farzana Tabassum and Sabrina Islam and Siana Rizwan and Masrur Sobhan and Tasnim Ahmed and Sabbir Ahmed and Tareque Mohmud Chowdhury},
journal= {arXiv preprint arXiv:2410.07260},
year = {2024}
}
备注
37 pages, 2 figures, 8 tables, Submitted to Journal of Computational Science