整合网络属性、序列特征和功能注释预测潜在的癌基因

• 作者: 刘伟 谢红卫
• 来源期刊: 中国科学（生命科学）
• 关键词: 癌基因 Logistic回归 网络特征 序列特征 功能注释
• 年，卷（期）: 2013,（7）
• 所属期刊栏目: 论文
• 页码范围: 589-595
• 页数: 7页
• 语种: 中文
• DOI: 10.1007/s11427-013-4500-6

摘要

发现新的癌基因是癌症研究的主要目标之一.生物信息学方法可以帮助加快癌基因的发现,理解癌症发生机制和挖掘药物靶标.通过整合网络属性、序列特征和功能注释信息,建立了一个能用于潜在癌基因预测的分类器.通过检测发现,在癌基因与非癌基因之间有55个特征显示了显著的差异.14个癌症相关的特征被用于训练分类器.在分类器中,探索使用4种机器学习方法,即logistic回归、支持向量机、贝叶斯网络和决策树,来区分癌基因与非癌基因.通过5倍交叉验证评估不同模型的有效性,发现这4种方法对应的ROC曲线下面积分别为0.834,0.740,0.800和0.782.最后,将基于多种生物学特征的logistic回归分类器应用于Entrez数据库中的基因,发现了1976个潜在的癌基因.本研究发现,整合的预测方法优于基于单一证据的预测模型,而网络特征和功能注释信息相比序列特征具有更强的预测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢红卫		51	353	11.0	16.0
2	刘伟		46	295	9.0	15.0