בנייה והדמיה של מודלים באמצעות מסגרת למידת מכונה מבוססת MIME

Hongwei Liu; Wei Zhang; Yihao Zhang; Xuejun Li; Siyi Wanggou

doi:10.3791/68553

Method Article

בנייה והדמיה של מודלים באמצעות מסגרת למידת מכונה מבוססת MIME

DOI:

10.3791/68553

⸱

July 22nd, 2025

Hongwei Liu*¹^,²^,³^,⁴ , Wei Zhang*¹^,²^,³^,⁴ , Yihao Zhang*¹^,²^,³^,⁴ , Xuejun Li¹^,²^,³^,⁴ , Siyi Wanggou¹^,²^,³^,⁴

¹Department of Neurosurgery, Xiangya Hospital, Central South University, ²National Clinical Research Center for Geriatric Disorders, Xiangya Hospital, Central South University, ³Hunan International Scientific and Technological Cooperation Base of Brain Tumor Research, Xiangya Hospital, Central South University, ⁴Furong Laboratory

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Mime היא מסגרת חישובית גמישה לבניית מודל אינטגרציה מבוסס למידת מכונה עם ביצועים אלגנטיים. כאן, אנו מספקים נוהל מפורט שלב אחר שלב לפיתוח מודלים חיזויים עם דיוק גבוה, תוך מינוף מערכי נתונים מורכבים לזיהוי גנים קריטיים הקשורים להתקדמות המחלה, תוצאות המטופלים והתגובה הטיפולית.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

טכנולוגיית הריצוף הנפוצה בתפוקה גבוהה שיפרה משמעותית את הבנתנו את הביולוגיה וההטרוגניות של הסרטן. אלגוריתמים של למידת מכונה על נתוני שעתוק הפכו חיוניים לחיזוי פרוגנוזה של מטופלים ותגובות קליניות. למרות ההתקדמות באלגוריתמים של למידת מכונה, פלטפורמת קוד פתוח המשלבת את האלגוריתמים המתוחכמים ביותר של למידת מכונה על נתוני תמלול נותרה נעדרת. כדי להתמודד עם הפער הזה, פיתחנו את Mime, מסגרת רב-תכליתית של למידת מכונה כדי לשפר את הבנייה וההדמיה של מודלים חיזויים למאפיינים קליניים וחתימות גנים. על ידי שילוב מערכי נתונים מגוונים ושימוש בטכניקות בחירת התכונות המתקדמות ביותר, Mime מתמודד עם אתגרים קריטיים בתחזיות קליניות. הוא מספק שלוש פונקציות עיקריות, כולל בניית מודל, בחירת תכונות והדמיית נתונים. בניית המודל מקיפה מגוון של אלגוריתמים של למידת מכונה, כולל אך לא רק עצי החלטה, מכונות וקטוריות תומכות ושיטות אנסמבל, מה שמאפשר לחוקרים לבחור את הגישה המתאימה ביותר לניתוח הספציפי שלהם. בחירת תכונות משתמשת באלגוריתמים מתקדמים כגון ביטול תכונות רקורסיבי ורגרסיה LASSO כדי לייעל את מערך הנתונים ולהתמקד בתכונות האינפורמטיביות ביותר. המסגרת תומכת בכוונון פרמטרים הניתנים להתאמה אישית באמצעות שיטות אימות צולב, אופטימיזציה של ביצועי המודל תוך הפחתת סיכוני התאמת יתר. כלי הדמיה המשולבים ב-Mime מאפשרים לחוקרים לפרש את תוצאות המודל ביעילות, ומספקים ייצוגים גרפיים של חשיבות תכונה ומדדי ביצועים חזויים. בכתב יד זה, אנו מספקים הדרכה מפורטת על ההליכים המדורגים של מסגרת למידת מכונה רב-תכליתית זו.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

האימוץ הנרחב של טכנולוגיות ריצוף בתפוקה גבוהה השפיע באופן משמעותי על הבנתנו את הביולוגיה וההטרוגניות של הסרטן¹. התקדמות פורצת דרך זו בביוטכנולוגיה לא רק העמיקה את הידע המדעי שלנו אלא גם חוללה מהפכה בתחום המחקר הרפואי. על ידי מתן אפשרות למדענים לרצף כמויות גדולות של חומר גנטי במהירות ובדייקנות, ריצוף בתפוקה גבוהה האיץ את גילוי הגנים, המוטציות והמסלולים הביולוגיים החדשים. גוף הולך וגדל של מחקרים תיאר חתימות מולקולריות ספציפיות הקשורות להתקדמות המחלה, פרוגנוזה של המטופל והיענות טיפולית מנתוני ריצוף ^2,3,4. חתימות ספציפיות ....

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

הערה: המדריכים למחקר זה רצים כולם על פלטפורמת לינוקס באמצעות תוכנת R. הגרסה של חבילת R המשמשת בפרוטוקול זה מופיעה בטבלת החומרים. כל שלב הדרוש לניתוח מוצג להלן וניתן לרכוש פרוטוקול מפורט גם ב-GitHub (https://github.com/l-magnificence/Mime). משתמשים שנתקלים בבעיות ב- Mime יכולים לבקר בדף הבעיה של GitHub (https://github.com/l-magnificence/Mime/issues) כדי לספק משוב.

1. הכנת מערך נתונים של MIME ודוגמה

התקן את גרסת הפיתוח של Mime מ-GitHub באמצעות הקוד שלהלן:
devtools::install_github("l-magnificence/Mime")
הכן מספר קבוצות המכילות נ....

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ה-genelist ו-Example.cohort כולל קבוצת אימון אחת וקבוצת אימות אחת שימשו לבניית מודלים פרוגנוזיים על ידי שילוב 10 אלגוריתמים של למידת מכונה ב-Mime. מבין 117 מודלים של פרוגנוזה שנבנו על ידי MIME, למודל המשולב של StepCox[forward] + plsRcox (SPCOM) היה מדד ה-C הגבוה ביותר מבין כל הקבוצות, מה שמעיד על ביצועיו יוצאי הדופן (איור 1A). המטופלים הופרדו עוד יותר לקבוצות בסיכון גבוה וסיכון נמוך על פי ציון הסיכון החציוני שחושב על ידי SPCOM. מעניין שלמטופלים עם ציוני סיכון גבוהים היו תוצאות גרועות יותר בא.......

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

במחקר זה, אנו מספקים תיאור מפורט כיצד להשתמש בחבילת Mime כדי לפתח מודלים חזקים ורבי עוצמה לחיזוי למידת מכונה עבור נתונים טרנסקריפטומיים. במחקרים קודמים חוקרים התקשו לעתים קרובות בבחירת אלגוריתם מודל החיזוי המתאים בהתבסס על המאפיינים הספציפיים של נתוני הריצוף שלהם^13,14. בנוסף, לחוקרים ללא רקע במדעי המחשב קיים קושי מסוים לייצב את סביבת למידת המכונה, לבחור פרמטרים מתאימים ולפרוס מודלים בו זמנית¹⁵. כדי לטפל בב.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

לא הוכרז על ניגוד עניינים.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

אנו מודים לכל המשתתפים והחוקרים המעורבים בהפקת הנתונים.

....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
Name	Company	Catalog Number
שם החבילה	גירסה	תוכנה
אפלוט	0.1.10	סטודיו R
בארט	2.9.4	סטודיו R
בורוטה	8.0.0	סטודיו R
מחלקה סרטנית	1.38.0	סטודיו R
סימן כניסה	6.0-89	סטודיו R
Ckmeans.1d.dp	4.3.5	סטודיו R
להשוותק	1.3.2	סטודיו R
מפת חום מורכבת	2.15.1	סטודיו R
יצירות	2.0-4	סטודיו R
data.table	1.14.0	סטודיו R
doמקביל	1.0.16	סטודיו R
dplyr	1.1.3	סטודיו R
E1071	1.7-7	סטודיו R
Forestploter	1.1.0	סטודיו R
עתיד	1.21.0	סטודיו R
ליש"ט	2.1.8.1	סטודיו R
ג'יברייק	0.1.1	סטודיו R
גפלוט2	3.4.1	סטודיו R
GGPUBR	0.4.0	סטודיו R
ggsci	2.9	סטודיו R
גלמנט	4.1-2	סטודיו R
רשת	4.1.3	סטודיו R
gridExtra	2.3	סטודיו R
GSEABase	1.54.0	סטודיו R
GSVA	1.40.1	סטודיו R
מיסק	5.1-1	סטודיו R
kknn	1.3.1	סטודיו R
סרוג	1.42	סטודיו R
מגריטר	2.7.2	סטודיו R
מטריצה	1.5-4	סטודיו R
מטא	5.2-0	סטודיו R
כלים שונים	0.6-28	סטודיו R
מיקס אומיקס	6.18.1	סטודיו R
כלי מיקס	1.2.0	סטודיו R
PBAPPLY	1.4-3	סטודיו R
plsRcox	1.7.7	סטודיו R
הליך	1.18.0	סטודיו R
R	4.1.3	סטודיו R
randomForestSRC	4.6-14	סטודיו R
קורא	1.4.0	סטודיו R
מתכונים	0.1.17	סטודיו R
שינוי צורה2	1.4.4	סטודיו R
רמרקדאון	2.8	סטודיו R
רוקיט	2.1.1	סטודיו R
ROCR	1.0-11	סטודיו R
מאזניים	1.2.1	סטודיו R
ספארו	1.0.3	סטודיו R
סטרינגר	1.5.0	סטודיו R
מחשב סופר	1.12	סטודיו R
הישרדות	3.3-1	סטודיו R
הישרדותROC	1.0.3	סטודיו R
הישרדותSVM	0.0.5	סטודיו R
SVA	3.40.0	סטודיו R
testthat	3.1.0	סטודיו R
טיבל	3.2.1	סטודיו R
טידיר	1.3.0	סטודיו R
טידיוורס	1.3.1	סטודיו R
UpSetR	1.4.0	סטודיו R
וירידיס	0.6.1	סטודיו R

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Reuter, J. A., Spacek, D. V., Snyder, M. P. High-throughput sequencing technologies. Mol Cell. 58 (4), 586-597 (2015).
Adam, G., et al. Machine learning approaches to drug response prediction: challenges and recent progress. NPJ Precision Oncol. 4....

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

בנייה והדמיה של מודלים באמצעות מסגרת למידת מכונה מבוססת MIME

In This Article

Summary

Abstract

Introduction

Protocol

Results

Discussion

Disclosures

Acknowledgements

Materials

References

Reprints and Permissions

Tags

Related Articles