روش انتخاب ویژگی بر روی داده های ریزآرایه بیان ژن برای طبقه بندی سرطان
محورهای موضوعی : یادگیری ماشینی
فرشاد کیومرثی
1
*
,
پرهام کیومرثی
2
,
بهزاد زمانی
3
,
محمد کرباسیون
4
1 - عضو هیات علمی دانشگاه آزاد شهرکرد
2 - دانشگاه اصفهان
3 - دانشگاه آزاد اسلامی واحد شهرکرد، ایران
4 - عضو هیات علمی دانشگاه آزاد شهرکرد
کلید واژه: انتخاب ویژگی, بیان ژن, ریزآرایه, طبقه بندی سرطان,
چکیده مقاله :
در استخراج داده های پزشکی، بعد ژن اغلب بسیار بزرگتر از حجم نمونه است. برای پرداختن به این موضوع، ما باید از یک الگوریتم انتخاب ویژگی برای انتخاب زیرمجموعه های ویژگی ژنی با همبستگی قوی با فنوتیپ استفاده کنیم تا از صحت آنالیزهای بعدی اطمینان حاصل کنیم. این تحقیق یک روش جدید انتخاب ویژگی ژن ترکیبی سه مرحله‌ای را ارائه می‌کند که ترکیبی از یک فیلتر واریانس، درخت بسیار تصادفی و الگوریتم بهینه‌سازی نهنگ است. در ابتدا، از یک فیلتر واریانس برای کاهش ابعاد فضای ویژگی ژن استفاده می‌شود، و سپس از یک درخت بسیار تصادفی برای کاهش بیشتر مجموعه ویژگی‌های ژن استفاده می‌شود. در نهایت، الگوریتم بهینه سازی نهنگ برای انتخاب زیرمجموعه ویژگی بهینه ژن اعمال می شود. ما روش پیشنهادی را با استفاده از طبقه‌بندی‌کننده K-نزدیک‌ترین همسایه (KNN) روی چهار مجموعه داده نمایه بیان ژن منتشر شده ارزیابی کردیم و آن را با سایر الگوریتم‌های انتخاب ژن مقایسه کردیم. نتایج نشان می دهد که روش پیشنهادی دارای مزایای قابل توجهی در شاخص های مختلف ارزیابی است.
In medical data extraction, the gene dimension is often much larger than the sample size. To address this issue, we need to use a feature selection algorithm to select gene feature subsets with a strong correlation with the phenotype to ensure the accuracy of subsequent analyses. This research presents a new three-stage hybrid gene feature selection method, which combines a variance filter, extremely randomized tree, and whale optimization algorithm. Initially, a variance filter is employed to reduce the dimension of the gene feature space, and then an extremely randomized tree is utilized to further reduce the gene feature set. Finally, the whale optimization algorithm is applied to select the optimal gene feature subset. We evaluated the proposed method using the K-nearest neighbors (KNN) classifier on four published gene expression profile datasets and compared it with other gene selection algorithms. The results demonstrate that the proposed method has significant advantages in various evaluation indicators.
[1] V. Kalpana, V. Vijaya Kishore, and R. Satyanarayana, "MRI and SPECT Brain Image Analysis Using Image Fusion," Mobile Radio Communications and 5G Networks: Proceedings of Third MRCN 2022, pp. 571-586: Springer, 2023.
[2] S. A. Abdulrahman, W. Khalifa, M. Roushdy, and A.-B. M. Salem, “Comparative study for 8 computational intelligence algorithms for human identification,” Computer Science Review, vol. 36, pp. 100237, 2020.
[3] Y. Xia, S. Huang, Y. Wu, Y. Yang, S. Chen, P. Li, and J. Zhuang, “Clinical application of chromosomal microarray analysis for the diagnosis of Williams–Beuren syndrome in Chinese Han patients,” Molecular genetics & genomic medicine, vol. 7, no. 2, pp. e00517, 2019.
[4] V. Yuvaraj, and D. Maheswari, “Lung cancer classification based on enhanced deep learning using gene expression data,” Measurement: Sensors, vol. 30, pp. 100902, 2023.
[5] N. D. Cilia, C. De Stefano, F. Fontanella, S. Raimondo, and A. Scotto di Freca, “An experimental comparison of feature-selection and classification methods for microarray datasets,” Information, vol. 10, no. 3, pp. 109, 2019.
[6] V. Kalpana, V. Vijaya Kishore, and K. Praveena, "A common framework for the extraction of ILD patterns from CT image," Emerging Trends in Electrical, Communications, and Information Technologies: Proceedings of ICECIT-2018, pp. 511-520: Springer, 2019.
[7] M. Annamalai, and P. B. Muthiah, “An early prediction of tumor in heart by cardiac masses classification in echocardiogram images using robust back propagation neural network classifier,” Brazilian Archives of Biology and Technology, vol. 65, pp. e22210316, 2022.
[8] I. Jain, V. K. Jain, and R. Jain, “Correlation feature selection based improved-binary particle swarm optimization for gene selection and cancer classification,” Applied Soft Computing, vol. 62, pp. 203-215, 2018.
[9] D. P. Berrar, W. Dubitzky, and M. Granzow, A practical approach to microarray data analysis: Springer, 2003.
[10] A. Dabba, A. Tari, and S. Meftali, “A new multi-objective binary Harris Hawks optimization for gene selection in microarray data,” Journal of Ambient Intelligence and Humanized Computing, vol. 14, no. 4, pp. 3157-3176, 2023.
[11] S. Azadifar, M. Rostami, K. Berahmand, P. Moradi, and M. Oussalah, “Graph-based relevancy-redundancy gene selection method for cancer diagnosis,” Computers in Biology and Medicine, vol. 147, pp. 105766, 2022.
[12] S. Acharya, S. Saha, and N. Nikhil, “Unsupervised gene selection using biological knowledge: application in sample clustering,” BMC bioinformatics, vol. 18, pp. 1-13, 2017.
[13]Y. Huang, and L. Zhang, “Gene selection for classifications using multiple PCA with sparsity,” Tsinghua Science and Technology, vol. 17, no. 6, pp. 659-665, 2012.
[14] A. K. Dwivedi, “Artificial neural network model for effective cancer classification using microarray gene expression data,” Neural Computing and Applications, vol. 29, pp. 1545-1554, 2018.
[15] S. Liu, C. Xu, Y. Zhang, J. Liu, B. Yu, X. Liu, and M. Dehmer, “Feature selection of gene expression data for cancer classification using double RBF-kernels,” BMC bioinformatics, vol. 19, no. 1, pp. 1-14, 2018.
[16] R. Ali, A. Manikandan, and J. Xu, “A Novel framework of Adaptive fuzzy-GLCM Segmentation and Fuzzy with Capsules Network (F-CapsNet) Classification,” Neural Computing and Applications, pp. 1-17, 2023.
[17] N. Almugren, and H. Alshamlan, “A survey on hybrid feature selection methods in microarray gene expression data for cancer classification,” IEEE access, vol. 7, pp. 78533-78548, 2019.
[18] H. Almazrua, and H. Alshamlan, “A comprehensive survey of recent hybrid feature selection methods in cancer microarray gene expression data,” IEEE Access, 2022.
[19] M. Khalsan, L. R. Machado, E. S. Al-Shamery, S. Ajit, K. Anthony, M. Mu, and M. O. Agyeman, “A survey of machine learning approaches applied to gene expression analysis for cancer prediction,” IEEE Access, vol. 10, pp. 27522-27534, 2022.
[20] Y. Liang, S. Zhang, H. Qiao, and Y. Yao, “iPromoter-ET: Identifying promoters and their strength by extremely randomized trees-based feature selection,” Analytical Biochemistry, vol. 630, pp. 114335, 2021.