使用基于 Mime 的机器学习框架构建和可视化模型

高全程测序技术显着影响了我们对生物学和癌症异质性的理解。然而，由于大量高全程测序数据，很难快速筛选和识别疾病相关基因和生物标志物。存在许多机器学习框架，但没有一个提供综合比较以做出明智的决策。为了解决这一差距，我们开发了 Mime，这是一个用于评估模型压力和弱点的统一平台。

Mime 提供四种功能，最佳预后建模、二元反应预测、共同预后特征识别和模型性能可视化，利用自训练机器学习算法进行集成临界间分析。

研究人员经常在选择预测算法和管理机器学习环境方面遇到困难。Mime 开源 R 打包简化了模型设置、参数选择和部署，使用户能够轻松分析自己的数据。

Mime 标志着将人工智能应用于生物医学的一个里程碑，将机器学习集成到单细胞测序层，利用肿瘤内多样性揭示瘤内异质性。

[旁白]首先，在台式计算机上打开 GitHub 网站。使用 R 中的 devtools 包从 GitHub 安装 Mime 的开发版本。准备多个队列，其中包含具有生存或临床反应信息的转录测序数据。使用示例数据集 Example.cohort 和 Example.ici，这些数据集可从 Mime GitHub 存储库访问。Example.cohort 包含两个神经胶质瘤数据集，分别从 TCGA 和 CGGA 数据库中随机选择 100 个样本。在 Example.cohort 中包含多个数据集以构建预后预测模型。验证数据集格式是否包括第一列中的样本 ID、第二列和第三列中的存活时间和状态，以及其余列中的日志转化基因表达水平。确认 Dataset1 用于训练和其他数据集进行验证。接下来，加载 Example.ici 数据集并确认格式包括第一列中的样本 ID、第二列中的治疗反应以及其余列中的日志转化基因表达水平。使用基因列表文件中与 R 中的 Wnt/β-连环蛋白信号转导相关的基因集准备基因列表。使用函数 ML.Dev.Prog.Sig 和给定的代码根据 Example.cohort 和基因列表构建预后预测模型。然后使用函数cindex_dis_all绘制每个模型的C指数并确定最优模型。使用不同数据集中的特定模型使用风险评分计算患者的生存曲线，并使用给定的代码在 Mime 中进行处理。使用函数cal_AUC_ml_res和给定代码计算预测模型的时间相关 AUC。现在，使用函数auc_dis_all和给定的代码绘制每个模型的时间相关 AUC。使用函数 roc_vis 和给定的代码在 Mime 中处理特定模型在不同数据集中的时间相关 ROC 曲线。要构建治疗反应的预测模型，请使用基于 Example.ici 数据集和基因列表的函数 ML.Dev.Pred.Category.Sig。使用 auc_vis_category_all 可视化每个响应模型的 AUC。然后，使用 roc_vis_category 为每个模型生成 ROC 曲线。对于核心特征选择，根据 Example.cohort 和 genelist 使用 ML.Corefeature.Prog.Screen 识别与预后相关的核心基因。使用core_feature_rank绘制通过不同方法过滤的基因的排名，以突出显示经常识别的核心基因。在Mime构建的117个预后模型中，StepCox[Forward]+plsRcox组合模型在所有队列中显示出最高的一致性指数。在所有队列中，具有高风险评分的患者预后明显更差。SPCOM预测的一年曲线下面积在所有模型中排名最高，各队列的平均AUC值最高。在7个治疗反应预测模型中，svmRadialWeights模型取得了最高的性能，在训练数据集中的曲线下面积为0.81，在验证数据集中为0.68。核心特征选择根据PSEN2、WNT5B和SKP2在不同算法中的复发率确定为排名靠前的基因。