Konstruowanie i wizualizacja modeli przy użyciu struktury uczenia maszynowego opartej na MIME

Technologia sekwencjonowania o wysokiej dokładności znacząco wpływa na nasze zrozumienie biologii i heterogeniczności nowotworów. Jednak ze względu na liczne dane dotyczące sekwencjonowania, trudno jest szybko przeprowadzić badania przesiewowe i zidentyfikować geny i biomarkery związane z chorobą. Istnieje wiele ram uczenia maszynowego, ale żadna z nich nie oferuje zintegrowanego porównania w celu podejmowania świadomych decyzji. Aby wypełnić tę lukę, opracowaliśmy Mime, ujednoliconą platformę do oceny naprężeń i słabości modelu.

Mime oferuje cztery funkcje: optymalne modelowanie prognozy, przewidywanie odpowiedzi binarnych, identyfikację cech współprognostycznych i wizualizację wydajności modelu, wykorzystując samodzielnie wyszkolone algorytmy uczenia maszynowego do zintegrowanej analizy międzykrytycznej.

Badacze często mają problemy z wyborem algorytmów predykcyjnych i zarządzaniem środowiskami uczenia maszynowego. Tworzenie pakietów Mime w języku R typu open source upraszcza konfigurację modelu, wybór parametrów i wdrażanie, umożliwiając użytkownikom łatwe analizowanie własnych danych.

Mime stanowi kamień milowy w zastosowaniu sztucznej inteligencji w biomedycynie w celu zintegrowania uczenia maszynowego w warstwie sekwencjonowania pojedynczych komórek w celu odkrycia niejednorodności wewnątrznowotworowej przy użyciu różnorodności wewnątrznowotworowej.

[Narrator] Aby rozpocząć, otwórz witrynę GitHub na komputerze stacjonarnym. Zainstaluj wersję rozwojową Mime z GitHub przy użyciu pakietu devtools w R. Przygotuj wiele kohort zawierających dane sekwencjonowania transkrypcyjnego z informacjami o przeżyciu lub odpowiedzi klinicznej. Użyj przykładowych zestawów danych Example.cohort i Example.ici, które są dostępne w repozytorium GitHub Mime. Example.cohort zawiera dwa zestawy danych glejaka z losowo wybranymi 100 próbkami odpowiednio z bazy danych TCGA i CGGA. Uwzględnij wiele zestawów danych, aby skonstruować modele predykcyjne na potrzeby prognozowania w Example.cohort. Sprawdź, czy format zestawu danych zawiera identyfikator próbki w pierwszej kolumnie, czas przeżycia i stan w drugiej i trzeciej kolumnie oraz rejestrować poziomy wyrażenia genów przekształcone w pozostałych kolumnach. Upewnij się, że zestaw danych Dataset1 jest używany do trenowania, a inne zestawy danych do walidacji. Następnie załaduj zestaw danych Example.ici i upewnij się, że format obejmuje identyfikator próbki w pierwszej kolumnie, odpowiedź terapeutyczną w drugiej kolumnie i poziomy wyrażenia genów przekształconych w dzienniku w pozostałych kolumnach. Przygotuj listę genów przy użyciu zestawu genów związanego z sygnalizacją Wnt / beta-kateniny w R z pliku genetycznego. Użyj funkcji ML.Dev.Prog.Sig i podanych kodów, aby skonstruować modele predykcyjne dla prognozy na podstawie Example.cohort i listy genów. Następnie użyj funkcji cindex_dis_all, aby wykreślić indeks C każdego modelu i zidentyfikować optymalny model. Oblicz krzywe przeżycia pacjentów za pomocą oceny ryzyka przy użyciu określonego modelu spośród różnych zestawów danych i przetwórz je w Mime przy użyciu podanych kodów. Oblicz AUC zależne od czasu dla modeli predykcyjnych za pomocą funkcji cal_AUC_ml_res i podanych kodów. Teraz wykreśl zależne od czasu AUC dla każdego modelu, korzystając z funkcji auc_dis_all i podanych kodów. Przetwarzaj zależną od czasu krzywą ROC określonego modelu wśród różnych zestawów danych w Mime przy użyciu funkcji roc_vis i podanych kodów. Aby skonstruować modele predykcyjne dla odpowiedzi terapeutycznej, użyj funkcji ML.Dev.Pred.Category.Sig na podstawie zestawu danych Example.ici i listy genów. Wizualizacja AUC dla każdego modelu odpowiedzi przy użyciu auc_vis_category_all. Następnie wygeneruj krzywe ROC dla każdego modelu za pomocą roc_vis_category. W przypadku wyboru podstawowych cech zidentyfikuj podstawowe geny związane z rokowaniem przy użyciu ML.Corefeature.Prog.Screen na podstawie Example.cohort i listy genów. Wykreśl rangę genów przefiltrowanych różnymi metodami, używając core_feature_rank, aby wyróżnić często identyfikowane geny podstawowe. Spośród 117 modeli prognostycznych skonstruowanych przez Mime, połączony model StepCox[Forward] + plsRcox wykazał najwyższy wskaźnik zgodności we wszystkich kohortach. Pacjenci z wysokimi wynikami ryzyka mieli znacznie gorsze wyniki we wszystkich kohortach. Roczny obszar pod krzywą przewidywany przez SPCOM uplasował się najwyżej spośród wszystkich modeli o najwyższej średniej wartości AUC we wszystkich kohortach. Spośród siedmiu modeli przewidywania odpowiedzi terapeutycznej model svmRadialWeights osiągnął najwyższą wydajność z obszarem pod krzywą wynoszącym 0,81 w zbiorze danych treningowych i 0,68 w zbiorze danych walidacyjnych. Selekcja cech podstawowych zidentyfikowała PSEN2, WNT5B i SKP2 jako najwyżej oceniane geny na podstawie ich nawrotu w różnych algorytmach.