인간 질병 유전자 식별을 위한 빠르고 높은 성능의 다중 데이터 통합 알고리즘

배경: 다중 데이터 소스를 통합하는 것은 질병 유전자 식별을 개선하는 데 필수적입니다. 이는 유사한 유전 질환과 관련된 질병 유전자가 다양한 생물학적 네트워크에서 서로 가까이 위치하는 경향이 있는 사실 때문만이 아니라 유전자-질병 연관성이 복잡하기 때문입니다. 질병 유전자를 식별하기 위한 다양한 알고리즘이 제안되었지만, 그들의 예측 성능과 계산 시간은 아직 개선되어야 합니다. 결과: 본 연구에서는 인간 질병 유전자 식별을 위한 빠르고 높은 성능의 다중 데이터 통합 알고리즘을 제안합니다. 각 후보 유전자가 개별 질병과 관련된 후행 확률은 베이지안 분석 방법과 이진 로지스틱 회귀 모델을 사용하여 계산됩니다. 제안된 알고리즘의 성능을 테스트하기 위해 두 가지 사전 확률 추정 전략과 두 가지 특성 벡터 구성 방법이 개발되었습니다. 결론: 제안된 알고리즘은 높은 AUC 점수를 가진 예측을 생성할 뿐만 아니라 매우 빠르게 실행됩니다. 단일 PPI 네트워크만 사용할 경우, F2를 특성 벡터로 사용하면 AUC 점수가 0.769입니다. 각 leave-one-out 실험의 평균 실행 시간은 약 1.5초에 불과합니다. 세 개의 생물학적 네트워크가 통합되면, F3를 특성 벡터로 사용할 경우 AUC 점수가 0.830으로 증가하며, 각 leave-one-out 실험의 평균 실행 시간은 약 12.54초밖에 걸리지 않습니다. 이는 기존의 많은 알고리즘보다 더 나은 성능입니다.