[发明专利]一种基于随机森林的深度特征选择算法提高胃癌预后预测精度系统、方法、设备及介质

说明书

本发明涉及一种基于随机森林的深度特征选择算法提高胃癌预后预测精度系统、方法、设备及介质，包括特征选择单元、分类单元；特征选择单元用于：使用随机森林对多组学数据进行特征选择，选择出特征重要性较高的特征子集；分类单元用于：将选择出的特征子集导入训练好的神经网络中，获得分类结果，分类结果就是预测该数据为健康的或者患胃癌的概率。本发明通过基于随机森林的深度特征选择算法来减少特征维数并提高胃癌预后预测精度，该方法通过随机森林选择出特征重要性较高的特征子集；为了进一步提高数据分类精度，使用神经网络作为分类器执行者，通过层层操作，进而提高胃癌预后预测精度。通过实验证明，该方法具有较高的价值。

技术领域

本发明涉及一种基于随机森林的深度特征选择算法提高胃癌预后预测精度系统、方法、设备及介质，属于生物医学技术领域。

背景技术

胃癌起源于胃粘膜上皮恶性肿瘤，在世界上各种恶性肿瘤中发病率占首位。但由于胃癌早期无明显症状，因此胃癌诊断率较低。目前基因表达等组学数据受到广泛关注，有效的数据整合可以提高胃癌预后预测精度，但组学数据都存在高维性问题。随着高通量技术的发展，使组学研究成为了可能，现阶段将特征选择算法用于多组学数据越来越广泛。

最近，Suo等人提出一种驱动基因评分DGscore方法，整合基因组和转录组来预测高危神经母细胞瘤的预后，具体参见：Suo,C.,Deng,W.,Vu,T.N.,Li,M.,Shi,L.,Pawitan,Y.(2018).Accumulation of potential driver genes with genomic alterationspredicts survival of high-risk neuroblastoma patients.Biol.Direct 13:14.doi:10.1186/s13062-018-0218-5.。Zhang通过深度学习算法自编码器整合多组学数据，联合K-means聚类算法，进而识别出两个具有显著生存差异的子类型，具体参见：Deep Learning-Based Multi-Omics Data Integration Reveals Two Prognostic Subtypes in High-Risk Neuroblastoma.[J].Frontiers in genetics,2018.。Yasser通过一种基于多视角特征选择的多组数据集成框架mRmR-mv来预测卵巢癌生存结果，具体参见：El-Manzalawy Y,Hsieh T Y,Shivakumar M,et al.Min-Redundancy and Max-Relevance Multi-viewFeature Selection for Predicting Ovarian Cancer Survival using Multi-omicsData.2018.。Zhang提出ELMO算法来整合RNA序列和甲基化数据提高乳腺癌亚型的预测精度，具体参见：Zhang Y,Shi R,Chen C,et al.ELMO:An Efficient Logistic Regression-Based Multi-Omic Integrated Analysis Method for Breast Cancer IntrinsicSubtypes[J].IEEE Access,2019,PP(99):1-1.。