基于胃癌基因组学的机器学习识别特征性甲基化位点

摘要

目的基于基因组学的数据,通过机器学习,构建胃癌相关甲基化预测模型。方法下载TCGA（The Cancer Genome Atlas）数据库中胃癌基因突变数据、基因表达数据和甲基化芯片数据,进行特征选择,构建支持向量机（径向基核函数）、随机森林和误差反向传播（error back propagation,BP）神经网络模型,并在新的数据集中进行模型的验证。结果在3个模型中BP神经网络的检验效能最高（F1 值=0.89,Kappa=0.66,受试者工作特征曲线下面积=0.93）。结论 BP神经网络能够充分利用分子检测的基因组数据进行机器学习,可以用于胃癌相关甲基化预测。