Fortschritte in der Gentechnik
Offener Zugang

Abstrakt

Entwurf und Analyse eines Ensemble-Klassifikators für Genexpressionsdaten von Krebs

Nianfeng Song, Kun Wang, Menglu Xu, Xiaolu Xie, Gan Chen und Ying Wang

Genexpressionsniveaus sind für die Diagnose von Krankheiten wie Krebs wichtig. In diesem Artikel wird ein SVM-basierter Ensemble-Klassifikator vorgeschlagen, um Kontroll- und Krebsgruppen auf Grundlage von Genexpressionsniveaus aus Microarray-Daten zu klassifizieren. Eine kombinatorische rekursive Merkmalseliminierung wurde in Verbindung mit dem Adaboost-Algorithmus entwickelt, um signifikante Merkmale auszuwählen und den richtigen Klassifikator zu entwerfen. Die Methode wird auf Microarray-Daten von Krebspatienten angewendet und die Ergebnisse zeigen eine verbesserte Erfolgsrate. Durch AUC-Berechnung zeigt der SVM-basierte Ensemble-Klassifikator die beste Leistung. Darüber hinaus werden die Merkmale und verschiedene Auswirkungsprobleme auf die Klassifizierungsleistung erörtert. Wenn ein einzelnes SVM eine zufriedenstellende Klassifizierungsleistung erzielen kann, kann ein Ensemble-SVM diese kaum verbessern. Andernfalls ist ein Ensemble von SVMs dem besten einzelnen SVM überlegen. Wir haben außerdem die Auswirkung von Kernelfunktionen, Merkmalsauswahl und Klassifikatortyp auf die Klassifizierung untersucht.