基于XGBoost对肺鳞癌和肺腺癌的分类预测

摘要：

目的 对肺癌亚型肺鳞状细胞癌(肺鳞癌)和肺腺癌进行预测并找出分子标记.方法 通过研究两种不同癌症亚型中mRNA表达量,选取有差异有统计学意义的mRNA,利用极限梯度增强(extreme gradient boosting,XGBoost)算法构建模型,预测亚型分类,并比较其与逻辑回归分类模型和支持向量机分类模型的预测性能.结果 基于XBGoost模型的预测准确率为96.55％,曲线下面积为99.04％,优于逻辑回归分类模型和支持向量机分类模型.同时,找到11个基因作为两种亚型的分子标记.结论 肺癌两种亚型的在分子层面存在明显差异特征,将辅助临床医生进行疾病亚型预测.

关键词：转录组、肺鳞癌、肺腺癌、机器学习、疾病预测

所属期刊栏目：40

分类号：R734.2(肿瘤学)

资助基金：国家重点研发计划2016YFC1000306

在线出版日期：2020-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：889-893