机器学习构建多基因模型预测前列腺癌

• 作者: 刘修恒 杨瑞 陈志远
• 来源期刊: 现代泌尿外科杂志
• 关键词: 前列腺癌 转录组 机器学习 随机森林 预测模型
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 临床研究
• 页码范围: 585-589
• 页数: 5页
• 分类号: R737.25
• 语种: 中文
• DOI: 10.3969/j.issn.1009-8291.2020.07.004

摘要

目的 基于基因表达数据,通过机器学习的方法构建模型鉴别前列腺癌.方法 下载前列腺癌和前列腺正常组织的RNA测序数据,进行数据过滤并分析差异表达基因,选择关键基因、建立模型并验证模型效能.验证决策树、随机森林、KNN近邻、逻辑回归和支持向量机这5个模型在默认参数下的性能并选取具有较高检验效能的模型进行优化.结果 在5个模型中随机森林的检验效能最高,决策树次之.优化之后的随机森林模型鉴别前列腺癌的准确度为94％,受试者工作(ROC)曲线下面积为0.94.结论 通过基因表达数据构建机器学习模型能够较好地预测前列腺癌.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘修恒	武汉大学人民医院泌尿外科	277	1178	15.0	23.0
2	陈志远	武汉大学人民医院泌尿外科	72	264	9.0	13.0
3	杨瑞	武汉大学人民医院泌尿外科	15	201	5.0	14.0