面向不平衡多组学癌症数据的特征表征算法

作     者：周丰丰 郭喆 范雨思 

作者机构：吉林大学计算机科学与技术学院 吉林大学人工智能学院 

出 版 物：《吉林大学学报(工学版)》 (Journal of Jilin University(Engineering and Technology Edition))

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 081104[工学-模式识别与智能系统] 08[工学] 100214[医学-肿瘤学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 10[医学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：吉林省中青年科技创新创业卓越人才(团队)项目(创新类)(20210509055RQ) 中国自然科学基金项目(62072212和U19A2061) 吉林省大数据智能计算实验室项目(20180622002JC) 

主　　题：计算机应用技术 特征表征 生物信息学 多组学数据 特征筛选 机器学习 

摘      要：癌症数据能揭示癌症的发病趋势、生存率变化，以及影响因素，为癌症预防和治疗提供科学依据，进而降低癌症的发病率和死亡率。癌症疾病数据面临结构复杂、预测困难、数据不平衡，患者隐私保护等一系列问题。因此，本文提出一种特征表征方法ImFeatures，解决了癌症数据的不平衡问题，丰富了样本结构。联合癌症转录组和甲基化两种组学数据作为真实样本，通过逻辑回归(LR)和随机森林(RF)两种特征选择后，得到的负样本随机划分结合等量的正样本，输入本文提出的特征表征模型，生成学习到关键特征信息的表征样本，以提高模型预测能力。实验结果表明，在经过特征表征后的11种常见癌症数据集上，本文提出的结合特征筛选和特征表征的算法的准确率(Acc)结果均超过了80.00%，其中有5种癌症的预测结果超过了95.00%，可以有效提升癌症疾病的预测结果。