Существующие алгоритмы генерации одно решение для обнаружения набора биомаркеров. Этот протокол демонстрирует существование нескольких аналогично эффективных решений и представляет удобного программного обеспечения для биомедицинских исследователи расследовать их наборы данных для предлагаемого вызов. Программисты могут также предоставлять эту функцию в их биомаркер алгоритмы обнаружения.
Биомаркер обнаружения является одним из более важных вопросов биомедицинских для высокой пропускной способности «омику» исследователей, и почти все существующие алгоритмы обнаружения биомаркер генерировать один биомаркер подмножество с оптимизированной производительности измерений для заданного набора данных . Однако недавнее исследование продемонстрировал существование нескольких подмножеств биомаркеров с аналогичным образом эффективным или даже идентичные классификации спектаклей. Этот протокол предоставляет простой и понятной методологии для обнаружения подмножеств биомаркеров с двоичной классификации спектакли, лучше, чем отсечки, определяемой пользователем. Протокол состоит из подготовки данных и загрузки, базовой информации уплотнения, настройки параметров, биомаркер скрининг, результат визуализации и интерпретации, биомаркер гена аннотации и результат и визуализация экспорт в качество издания. Предлагаемая биомаркеров, скрининг стратегия является интуитивно понятным и демонстрирует общее правило для разработки алгоритмов обнаружения биомаркеров. Дружественный графический интерфейс пользователя (GUI) был разработан с использованием языка программирования Python, позволяя биомедицинских исследователей, чтобы иметь прямой доступ к их результатам. Исходный код и руководство kSolutionVis можно загрузить с http://www.healthinformaticslab.org/supp/resources.php.
Двоичной классификации, один из наиболее часто расследование и сложной интеллектуального анализа проблем в области биомедицинских данных используется для построения модели классификации обучение на две группы образцов с наиболее точные дискриминации мощность1, 2 , 3 , 4 , 5 , 6 , 7. Однако, большие данные, полученные в области биомедицины имеет присущие «большой p малых n» парадигма, с числом функций, обычно намного больше, чем количество образцов6,8,9. Таким образом биомедицинских исследователи должны снизить возможность измерения перед использованием классификации алгоритмов, чтобы избежать overfitting проблема8,9. Диагноз биомаркеров определяются как часть обнаруженных функций отделения больных данной болезни от здорового управления образцы10,11. Пациенты обычно определяются как положительные образцы, и здоровые элементы управления определяются как негативные примеры12.
Недавние исследования показали, что существует более чем одно решение с идентичными или аналогичным образом эффективной классификации спектакли для биомедицинских данных5. Почти все алгоритмы выбора функции являются детерминированными алгоритмы, производить только одно решение для одного набора данных. Генетические алгоритмы могут одновременно создавать несколько решений с аналогичными характеристиками, но они все еще пытаются выбрать одно решение с лучших фитнес-функции в качестве выходных данных для заданного набора данных13,14.
Функция выбора алгоритмов можно подразделить примерно как фильтры или оболочки12. Фильтр алгоритм выбирает Топ –k особенности ранжированных по их значительные индивидуальные ассоциации с двоичной класса этикетки, основывается на предположении, что функции являются независимыми друг от друга15,16,17 . Хотя это предположение не справедливы для почти всех реальных наборов данных, эвристический фильтр выполняет хорошо, во многих случаях, например, mRMR (избыточность минимальной и максимальной релевантности) алгоритм, Вилкоксон тест на функцию фильтрации (WRank) алгоритм и сюжет ROC (приемник эксплуатационные характеристики) на основе алгоритма фильтрации (ROCRank). mRMR, представляет собой эффективный фильтр алгоритм, потому что он приближает комбинаторной оценки проблемы с серией гораздо меньше проблем, сравнивая алгоритм выбора функций максимум зависимость, каждая из которых включает только две переменные, и Таким образом использует попарно совместных вероятностей, которые являются более надежные18,19. Однако mRMR может недооценивать полезность некоторых функций, как это не мера взаимодействия между функциями, которые можно увеличить релевантность и таким образом пропускает некоторые функции комбинаций, которые индивидуально бесполезны, но полезны только при сочетании. WRank алгоритм вычисляет-параметрическая оценка как дискриминационный функцию между двумя классами образцов, и известен за его надежность для останцы20,21. Кроме того ROCRank алгоритм оценивает, насколько важно для исследуемых двоичной классификации производительности22,23площадь под ROC кривой (AUC) конкретного компонента.
С другой стороны оболочка оценивает предварительно определенные классификатора производительность данной функции подмножества, многократно порожденных эвристические правила и создает подмножество функций с лучшими измерения производительности24. Оболочка обычно превосходит фильтра в классификации производительности, но работает медленнее25. Например упорядочить случайный лес (СБР)26,27 алгоритм использует жадные правило, путем оценки функции на подмножества обучающих данных на каждом узле случайных лесных, чьи оценки важности функция оцениваются индекс Джини . Выбор новой функции будут наказаны, если его прироста информации не улучшить, что выбранной функции. Кроме того анализ прогнозирования для Microarrays (PAM)28,29 алгоритм, также оболочку алгоритм, вычисляет средневзвешенные для каждого класса знаков, а затем выбирает возможности уменьшить центроиды гена к общей центроид класса. Пэм надежной для удаленных компонентов.
Несколько решений с производительностью лучших классификации могут быть необходимы для любого заданного набора данных. Во-первых цель оптимизации детерминированного алгоритма определяется математическую формулу, например, минимальная ошибка ставка30, который не обязательно подходит для биологических образцов. Во-вторых набор данных может иметь несколько, значительно отличаются, решения с аналогичными эффективным или даже одинаковых спектаклей. Почти все существующие алгоритмы выбора функция будет случайным образом выбирать одну из этих решений как вывода31.
Это исследование представит аналитический протокол информатики для генерации несколько функция выбора решений с аналогичными спектаклей для любой данной двоичной классификации набора данных. Учитывая, что наиболее биомедицинских исследователи не знакомы с информатики методы или компьютер кодирование, дружественный графический интерфейс пользователя (GUI) была разработана для облегчения быстрого анализа биомедицинских двоичной классификации наборов данных. Аналитически протокол состоит из загрузки данных и подведение итогов, настройки параметров, конвейер выполнения и интерпретации результатов. С помощью простого клика исследователь способен генерировать биомаркер подмножеств и публикации качество визуализации участков. Протокол был протестирован с помощью transcriptomes двух наборов двоичной классификации острый лимфобластный лейкоз (все), то есть, ALL1 и ALL212. Наборы данных ALL1 и ALL2 были загружены из широкой институт генома данных анализа центра, доступны на http://www.broadinstitute.org/cgi-bin/cancer/datasets.cgi. ALL1 содержит 128 образцы с 12,625 функциями. Из этих образцов, 95 являются B-клетка все и 33 являются Т-клеток всех. ALL2 включает в себя 100 образцов с 12,625 функций, а также. Из этих образцов есть 65 пациентов, которые пострадали рецидива и 35 пациентов, которые не. ALL1 был простой двоичной классификации dataset с минимальной точностью четырех фильтров и четыре обертки 96,7%, и 6 8 функция выбора алгоритмов достижения 100%12. В то время как ALL2 был набор более сложным, с выше 8 функция выбора алгоритмов достижения не лучше, чем 83,7% точность12. Это лучший точность была достигнута с 56 функций, обнаруженных алгоритмом оболочки, на основе корреляции функция выбора (CFS).
Это исследование представляет протокол обнаружения и характеристика easy-to последующие мульти решение биомаркер для пользовательской двоичной классификации набора данных. Программное обеспечение ставит акцент на удобство и гибкий импорт/экспорт интерфейсы для различных форматов фай…
The authors have nothing to disclose.
Эта работа была поддержана стратегических приоритетных исследований программы Китайской академии наук (XDB13040400) и запуска грант от университета Цзилинь. Анонимные Отзывы и биомедицинских испытаний пользователей были оценены за их конструктивные замечания по улучшению юзабилити и функциональность kSolutionVis.
Hardware | |||
laptop | Lenovo | X1 carbon | Any computer works. Recommended minimum configuration: 1GB extra hard disk space, 1 GB memory, 2.0MHz CPU |
Name | Company | Catalog Number | Comments |
Software | |||
Python 3.0 | WingWare | Wing Personal | Any python programming and running environments support Python version 3.0 or above |