基于图卷积网络的递归基因消除用于 RNA-seq 型早期癌症检测
机器学习
2025-12-09 v2 人工智能
摘要
早期癌症检测对于提高生存率至关重要，但从 RNA-seq 数据中识别可靠的生物标志物仍是主要挑战。数据是高维的，传统统计方法往往难以捕捉基因之间复杂关系。本研究引入 RGE-GCN（Recursive Gene Elimination with Graph Convolutional Networks），一个将特征选择和分类融合为单一管道的框架。我们的 метод构建基因表达轮廓的图，使用图卷积网络对癌症与正常样本进行分类，并应用集成梯度方法突出显示最具信息性的基因。通过递归删除较不相关的基因，该模型收敛于一个紧凑且具有可解释性和预测性的生物标志物集合。我们在合成数据以及来自肺、肾和子宫颈癌的真实世界 RNA-seq 队列上评估了 RGE-GCN。该方法在所有数据集上均实现了高于 DESeq2、edgeR 和 limma-voom 等标准工具的更高准确率和 F1 分数。重要的是，所选基因与已知癌症通路（包括 PI3K-AKT、MAPK、SUMOylation 和免疫调节）相吻合。这些结果表明，RGE-GCN 作为一种通用的 RNA-seq 型早期癌症检测和生物标志物发现方法具有潜力。
引用
@article{arxiv.2512.04333,
title = {RGE-GCN: Recursive Gene Elimination with Graph Convolutional Networks for RNA-seq based Early Cancer Detection},
author = {Shreyas Shende and Varsha Narayanan and Vishal Fenn and Yiran Huang and Dincer Goksuluk and Gaurav Choudhary and Melih Agraz and Mengjia Xu},
journal= {arXiv preprint arXiv:2512.04333},
year = {2025}
}
备注
12 pages, 2 figures