基于深度学习和多组学数据的肺腺癌分期预测研究

刘德真; 李圆媛

doi:10.19843/j.cnki.CN42-1779/TQ.202307022

武汉工程大学学报 ›› 2024, Vol. 46 ›› Issue (2) : 190 -196. DOI: 10.19843/j.cnki.CN42-1779/TQ.202307022

基于深度学习和多组学数据的肺腺癌分期预测研究

刘德真, 李圆媛

作者信息 +

Author information +

文章历史 +

摘要

为解决癌症分期难以精准决策这一问题，对452例肺腺癌患者的信使核糖核酸（mRNA）转录数据、微核糖核酸（miRNA）转录数据和DNA甲基化3种组学数据进行集成融合，并采用随机森林算法进行分期预测。首先对从癌症基因组图谱（TCGA）数据库获取的3种组学数据进行预处理，将mRNA转录数据和DNA甲基化数据进行基因位点匹配，再使用4种不同的多组学集成策略对预处理后的组学数据进行集成，最后使用随机森林算法对集成后的数据进行分期预测并使用准确度、卡帕系数以及曲线下面积（AUC）作为预测效果的评价指标。研究结果显示，采用多组学集成策略在分期预测上具有更高的准确率，其中基于深度学习的集成策略的预测效果最好，评价指标分别为0.940、0.931和0.986，有希望应用于未来的肺腺癌分期预测中。