半监督方法在优势基因选择与分类中的应用

《BMC Bioinformatics》：Semisupervised approach for dominant gene selection and classification

　　

摘要

背景

半监督学习在基因表达分析中引起了广泛关注，因为它能够在标记数据有限的情况下提高分类性能，而这通常是高维度和小样本量带来的常见挑战。现有的半监督方法通常依赖于流形学习来传播标签信息；然而，在早期学习阶段，标签之间的关联较弱可能会降低这些方法的有效性。

结果

为了解决这些限制，我们提出了一种用于主导基因选择和分类的半监督方法（SADGSC），该方法通过特征分解来识别关键特征，同时抑制噪声和冗余。该方法采用 hinge 损失代替平方损失进行标签预测，并基于置信度加权的特征构建投影矩阵，从而提高了分类准确性和可解释性。对排名靠前的基因（如 PGR、KRT14、TOX3 和 FGF10）的生物学分析显示，这些基因在激素信号传导、上皮-间质转化、细胞凋亡和氧化应激通路中富集，证明了所选基因的生物学相关性。在十一个数据集（主要是基因表达数据集）上进行的实验评估表明，SADGSC 的性能与最先进的方法相当。

结论

所提出的 SADGSC 框架有效应对了基因表达分析中标记数据有限和高维度的挑战，提供了强大的分类性能和具有生物学意义的基因选择。这些发现突显了半监督学习在高维生物数据集中发现主导基因和进行稳健分类的潜力。