Construction of lung cancer serum markers based on ReliefF feature selection
Notice bibliographique
Résumé
Serum miRNAs are available clinical samples for cancer screening. Identifying early serum markers in lung cancer (LC) is essential for patients’ early diagnosis and clinical treatment. Expression data of serum miRNAs of lung adenocarcinoma (LUAD) patients and healthy individuals were downloaded from the Gene Expression Omnibus (GEO). These data were normalized and subjected to differential expression analysis to obtain differentially expressed miRNAs (DEmiRNAs). The DEmiRNAs were subsequently subjected to ReliefF feature selection, and subsets closely related to cancer were screened as candidate feature miRNAs. Thereafter, a Gaussian Naive Bayes (NB), Support Vector Machine (SVM), and Random Forest (RF) classifier were constructed based on these candidate feature miRNAs. Then the best diagnostic signature was constructed through NB combined with incremental feature selection (IFS). Thereafter, these samples were subjected to principal component analysis (PCA) based on miRNAs with optimal predictive performance. Finally, the peripheral serum miRNAs of 64 LUAD patients and 59 normal individuals were extracted for qRT-PCR analysis to validate the performance of the diagnostic model in respect of clinical detection. Finally, according to area under the curve (AUC) and accuracy values, the NB classifier composed of miR-5100 and miR-663a manifested the most outstanding diagnostic performance. The PCA results also revealed that the 2-miRNA diagnostic signature could effectively distinguish cancer patients from healthy individuals. Finally, qRT-PCR results of clinical serum samples revealed that miR-5100 and miR-663a expression in tumor samples was remarkably higher than that in normal samples. The AUC of the 2-miRNA diagnostic signature was 0.968. In summary, we identified markers (miR-5100 and miR-663a) in serum for early LUAD screening, providing ideas for developing early LUAD diagnostic models.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».