New heuristic method for cancer classification using gene expression data

Shengyu Gu

doi:10.1186/s40644-026-01111-y

New heuristic method for cancer classification using gene expression data

2026-08-19

0

OA

AI

DOI：10.1186/s40644-026-01111-y

原文链接

原文求助

摘要

En 中文

本研究旨在开发和评估一种基于局部搜索算法（LSFS）与遗传算法（GA）相结合的新型特征选择方法，用于利用高维基因表达数据进行癌症分类。研究期间为2022年至2024年，使用来自两个医学研究中心（保加利亚索非亚和俄罗斯莫斯科）的数据。分析了超过30,000条患者记录，使用六个开放数据集作为源数据。这些数据集包括来自GEO和TCGA数据库的血癌、乳腺癌、结肠癌及其他类型癌症的信息。为准备数据分析，研究采用了归一化、异常值消除和对数变换等技术。现代机器学习算法，如随机森林、支持向量机和神经网络，被用于评估所提出方法的有效性。LSFS+GA方法显示出能够最大化准确率、敏感性和特异性以及其他分类指标的能力。具体而言，分类准确率根据数据集的不同提高了8–15%，敏感性提高了10–20%，特异性提高了5–10%。此外，数据噪声减少了12–18%。模型的有效性通过熵的降低得到证明，表明分类置信度增加了6–9%。统计分析，包括交叉验证和ANOVA，证实了新方法所取得的改进具有统计学意义（p<0.05）。开发的算法能够在保持甚至提高分类准确率的同时显著降低计算复杂度。这对于癌症数据分析具有重要意义，有助于确保更可靠的结果。本研究结果表明，结合局部搜索方法与遗传算法有望解决生物信息学中的高维分类问题。

Keyword:

Cancer

Feature selection

Genetic algorithm

Genetic data

Machine learning

New heuristic method for cancer classification using gene expression data

摘要

期刊

机构

引用论文