Merkmals-spezifische Quantilnormalisierung und merkmals-spezifische Mittel-Varianz-Normalisierung liefern robuste bidirektionale Klassifikations- und Merkmalsauswahl-Performance zwischen Mikroarray- und RNAseq-Daten

Zusammenfassung Hintergrund Die plattformübergreifende Normalisierung zielt darauf ab, technologische Verzerrungen zwischen Mikroarray- und RNAseq-Ganztranskriptomdaten zu minimieren. Die Einbeziehung mehrerer Genexpressionsplattformen ermöglicht die externe Validierung experimenteller Ergebnisse und erweitert die Trainingssätze für Maschinenlernmodelle. Hier vergleichen wir die Leistung der merkmals-spezifischen Quantilnormalisierung (FSQN) mit einer zuvor verwendeten, aber nicht validierten und nicht charakterisierten Methode, die wir als merkmals-spezifische Mittel-Varianz-Normalisierung (FSMVN) bezeichnen. Wir bewerten die Leistung dieser Methoden zur bidirektionalen Normalisierung im Kontext der geschachtelten Merkmalsauswahl. Ergebnisse FSQN und FSMVN boten klinisch äquivalente bidirektionale Modellleistungen mit und ohne Merkmalsauswahl für die Kolon-CMS- und Brust-PAM50-Klassifikation. Durch die Verwendung der Hauptkomponentenanalyse bestimmen wir, dass diese Methoden Batch-Effekte eliminieren, die mit technologischen Plattformen zusammenhängen. Ohne Merkmalsauswahl wurde kein statistischer Unterschied zwischen der Leistung von FSQN und FSMVN von plattformübergreifenden Daten im Vergleich zu innerhalb der Plattform-Verteilungen festgestellt. Unter optimalen Bedingungen der Merkmalsauswahl war die ausgewogene Genauigkeit von FSQN und FSMVN statistisch äquivalent zur Leistung der innerhalb der Plattform-Verteilung in der multivariaten linearen Regressionsanalyse. FSQN und FSMVN boten auch ähnliche Leistungen im Vergleich zu den innerhalb der Plattform-Verteilungen, als die Anzahl der ausgewählten Gene zur Erstellung von Modellen abnahm. Schlussfolgerungen Im Kontext der Erstellung überwachter Maschinenlernklassifikatoren für molekulare Subtypen sind FSQN und FSMVN gleichermaßen effektiv. Unter optimalen Modellierungsbedingungen bieten FSQN und FSMVN eine äquivalente Modellgenauigkeit beim plattformübergreifenden Normalisierungsdaten im Vergleich zu den innerhalb der Plattform-Daten. Die Verwendung plattformübergreifender Daten sollte dennoch mit Vorsicht angegangen werden, da subtile Leistungsunterschiede je nach Klassifikationsproblem, Trainings- und Testverteilungen bestehen können.