一项比较研究表明，结合最小冗余最大相关特征选择的随机森林方法是胃癌腺癌诊断的优越转录组分类器

《Scientific Reports》：A comparative study identifies random forest with minimum redundancy maximum relevance feature selection as a superior transcriptomic classifier for gastric adenocarcinoma diagnosis

　　

摘要

转录组数据的高维特性增加了胃癌腺癌早期诊断的复杂性。尽管机器学习展现出应用前景，但特征选择与分类器之间的最佳协同作用尚不明确。为此，我们利用来自公共微阵列的1,132例肿瘤组织和131例正常胃组织样本进行了系统性比较研究。本研究采用五种特征选择方法（最小冗余最大相关性（MRMR）、F检验、卡方检验、方差阈值和随机森林重要性）以及九种分类器（随机森林（RF）、XGBoost、AdaBoost、支持向量机（SVM）、K近邻（KNN）、决策树（DT）、朴素贝叶斯（NB）、RUSBoost和神经网络（NN）），通过贝叶斯超参数调优进行优化，并利用分层交叉验证和独立测试集进行评估。综合评价指标（AUC-ROC、F1值、马修斯相关系数（MCC）、准确率、精确率、召回率和Kappa系数）显示MRMR是最有效的特征选择方法，具体比较结果见详细报告。集成分类器尤其以RF、XGBoost和AdaBoost表现最佳，优于其他分类器。最优流程是将RF与MRMR特征选择相结合。我们得出结论，将基于互信息的特征选择与集成学习相结合，可构建出高性能、可推广的转录组分类器，为开发成本效益高的胃癌早期检测分子诊断工具奠定了坚实基础。