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。

关键词：胃肿瘤、人工智能、DNA甲基化、神经网络（计算机）

所属期刊栏目：50

资助基金：福建省科技厅计划资助项目2018Y2003，2019L3018，2019YZ016006;福建医科大学启航课题2017XQ1212;Science and Technology Program of Fujian Province2018Y2003, 2019L3018, 2019YZ016006;Startup Fund for Scientific Research, Fujian Medical University2017XQ1212

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：363-368