Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2501.06805v1

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2501.06805v1 (cs)
[提交于 2025年1月12日 ]

标题: 一种使用多视图特征选择方法和集成分类器的泛癌分类模型

标题: A Pan-cancer Classification Model using Multi-view Feature Selection Method and Ensemble Classifier

Authors:Tareque Mohmud Chowdhury, Farzana Tabassum, Sabrina Islam, Abu Raihan Mostofa Kamal
摘要: 准确识别癌症样本对于精确诊断和有效的患者治疗至关重要。 传统方法在高维数据和高特征与样本数量比的情况下表现不佳,这对于分类癌症样本至关重要。 本研究旨在开发一种针对转录组数据的新型特征选择框架,并提出两种集成分类器。 在特征选择方面,我们根据特征类型对转录组数据集进行垂直划分。 然后在每个划分上应用Boruta特征选择过程,合并结果,并在合并结果上再次应用Boruta。 我们使用不同的Boruta参数重复该过程,并准备最终的特征集。 最后,我们基于LR、SVM和XGBoost分类器构建了两个集成机器学习模型,采用最大投票和概率平均方法。 我们使用10折交叉验证来确保分类性能的稳健性和可靠性。 我们的方法在33种癌症分类中表现出色,准确率为97.11%,AUC值为0.9996,优于现有的最先进方法。 一组12种类型的癌症由于其来源组织的相似性,传统上难以相互区分。 我们的方法准确识别了这些12种癌症类型中超过90%的样本,这优于现有文献中所有已知的方法。 基因集富集分析显示,我们框架所选择的特征丰富了与癌症高度相关的通路。 本研究开发了一种特征选择框架,以选择与癌症发展高度相关的特征,并提高了识别不同类型癌症样本的准确性。
摘要: Accurately identifying cancer samples is crucial for precise diagnosis and effective patient treatment. Traditional methods falter with high-dimensional and high feature-to-sample count ratios, which are critical for classifying cancer samples. This study aims to develop a novel feature selection framework specifically for transcriptome data and propose two ensemble classifiers. For feature selection, we partition the transcriptome dataset vertically based on feature types. Then apply the Boruta feature selection process on each of the partitions, combine the results, and apply Boruta again on the combined result. We repeat the process with different parameters of Boruta and prepare the final feature set. Finally, we constructed two ensemble ML models based on LR, SVM and XGBoost classifiers with max voting and averaging probability approach. We used 10-fold cross-validation to ensure robust and reliable classification performance. With 97.11\% accuracy and 0.9996 AUC value, our approach performs better compared to existing state-of-the-art methods to classify 33 types of cancers. A set of 12 types of cancer is traditionally challenging to differentiate between each other due to their similarity in tissue of origin. Our method accurately identifies over 90\% of samples from these 12 types of cancers, which outperforms all known methods presented in existing literature. The gene set enrichment analysis reveals that our framework's selected features have enriched the pathways highly related to cancers. This study develops a feature selection framework to select features highly related to cancer development and leads to identifying different types of cancer samples with higher accuracy.
评论: 20页,5图,9表
主题: 机器学习 (cs.LG) ; 基因组学 (q-bio.GN)
引用方式: arXiv:2501.06805 [cs.LG]
  (或者 arXiv:2501.06805v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.06805
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Tareque Mohmud Chowdhury [查看电子邮件]
[v1] 星期日, 2025 年 1 月 12 日 13:06:01 UTC (1,296 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs
q-bio
q-bio.GN

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号