Improving Prediction Accuracy of Microarray Cancer Data with Non-negative Matrix Factorization and Its Variant
Notice bibliographique
Résumé
Abnormal growth in cells with the potential to diffuse to other parts of the human body could occur due to multiple reasons such as changes in DNA segments activity. Altering DNA methylation is known as an important factor in cancer development and altering DNA activity by avoiding some of the normal activities of DNA. Feature extraction is used to reduce the dimensionality in high dimensional datasets as well as to filter the most useful features in predicting gene expression for a cancer. A number of feature extraction methods have been used in literature for selecting the most useful features. In this study Semi-orthogonal Non-Negative Matrix Factorization (SONMF) and Non-negative Matrix Factorization (NMF) were studied and tested on four microarray cancer datasets for feature extraction and compared with FFT features, Symmetry of Methylation Density Features, and Principal Component Analysis (PCA). Five different classifiers, namely Naive Bayes, Support Vector Machine (SVM), K-nearest Neighbor (KNN), Random Forest and Neural Network were used to predict the gene expression of the four cancer microarray datasets. The experiments show that for colon cancer dataset, Semi-orthogonal NMF (SONMF) and Non-negative Matrix Factorization (NMF) performed the best compared with other feature extraction methods with Naive Bayes classifier. For Oral cancer dataset, the highest accuracy was observed with SONMF and Neural Network classifier. In Leukemia cancer, the highest accuracy of 100% was observed with NMF, SONMF and PCA with Neural Network and SVM classifiers. For prostate cancer dataset, SONMF with Naive Bayes classifier gave the highest accuracy. Overall, the results show that SONMF and NMF were more consistent compared with other features extraction methods and gave the best features for prediction accuracy of microarray cancer datasets.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».