.png){kind=icon}
返回
MicroAIbiome: Decoding Cancer Types from Microbial Profiles Using Explainable Machine Learning
.png){kind=icon}
OA
AI
DOI：10.3390/microorganisms13092210.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人体组织内的微生物群落正越来越多地被认为是癌症检测的潜在生物标志物。然而，利用微生物组数据进行多类癌症分类仍具挑战性，原因在于其组成结构、高维性以及模型可解释性的缺乏。本研究通过引入MicroAIbiome机器学习人工智能（AI）流程解决了这些挑战，该流程设计用于根据属级微生物相对丰度对食管癌（ESCA）、头颈鳞状细胞癌（HNSC）、胃癌（STAD）、结肠腺癌（COAD）和直肠癌（READ）等五种癌症类型进行分类。我们的流程整合了零值替换、中心对数比率（CLR）变换、相关性过滤和递归特征消除（RFE），以实现从组成数据中稳健学习。在五种评估的分类器中，XGBoost实现了78.23%的最高准确率，优于先前研究。我们进一步通过基于SHapley加性解释（SHAP）的特征归因增强可解释性，以揭示类特异性微生物特征，例如ESCA中的Corynebacterium和COAD中的Bacteroides。我们的结果强调了组成性预处理和可解释AI在推动微生物组癌症诊断方面的重要性。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
M
IF:
4.2
论文数:
1.9W
被引数:
5.2W
机构
引用论文
Stacking and Chaining of Normalization Methods in Deep Learning-Based Classification of Colorectal Cancer Using Gut Microbiome Data基于肠道微生物组数据的基于深度学习的结直肠癌分类中归一化方法的堆叠和链接.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Performance of Gut Microbiome as an Independent Diagnostic Tool for 20 Diseases: Cross-Cohort Validation of Machine-Learning ClassifiersGUT MICROBESOAAI
GUT MICROBESIF11
OAAI分享收藏Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries全球癌症统计2022: GLOBOCAN估计全球185个国家36种癌症的发病率和死亡率OAAI
OAAI分享收藏Prediction of breast cancer using blood microbiome and identification of foods for breast cancer preventionSCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
查看更多内容