ROOFS：面向生物标志物发现的稳健特征选择方法综合基准测试Python软件包

《BMC Bioinformatics》：ROOFS: RObust biOmarker Feature Selection

　　**摘要****背景**特征选择（FS）对于生物标志物发现和临床预测建模至关重要。过去几十年来，关于特征选择的方法学文献已经非常丰富和成熟，提供了广泛多样的算法方法。然而，这些方法学上的许多进展尚未被充分应用于生物医学研究实践中。**结果**为了弥合这一差距，我们提出了ROOFS（RObust biOmarker Feature Selection，稳健的生物标志物特征选择），这是一个Python软件包，旨在帮助研究人员选择最适合其问题的特征选择方法。目前ROOFS支持分类任务，可在用户数据上对多种特征选择方法进行基准测试，并生成报告，汇总一系列全面的评估指标，包括使用乐观校正估计的下游预测性能、稳定性、单个特征的稳健性，以及在带有模拟结局的半合成数据上评估的真阳性和假阳性率。我们利用PIONeeR生物标志物研究的数据展示了ROOFS的实用性，该研究旨在识别肺癌患者对anti-PD-(L)1免疫治疗产生抗性的预测因子。**结论**通过ROOFS进行全面基准测试，有望提高特征选择发现的可重复性，并增强临床模型的转化价值。**可用性与实现**ROOFS的获取地址为：https://gitlab.inria.fr/compo/roofs。