Algoritmos de clasificación y selección de características para datos CGH de múltiples clases

SIN ETIQUETAS: Las alteraciones cromosómicas recurrentes proporcionan posiciones citológicas y moleculares para el diagnóstico y pronóstico del cáncer. La hibridación genómica comparativa (CGH) ha sido útil para entender estas alteraciones en células cancerosas. Los conjuntos de datos de CGH consisten en muestras que están representadas por grandes arrays dimensionales de intervalos. Cada muestra consiste en largas secuencias de intervalos con pérdidas y ganancias. En este artículo, desarrollamos métodos novedosos basados en SVM para la clasificación y selección de características de datos CGH. Para la clasificación, desarrollamos un nuevo núcleo de similitud que se demuestra más efectivo que el núcleo lineal estándar utilizado en SVM. Para la selección de características, proponemos un método novedoso basado en el nuevo núcleo que selecciona iterativamente características que proporcionan el máximo beneficio para la clasificación. Comparamos nuestros métodos con los mejores enfoques basados en envolturas y filtros que se han utilizado para la selección de características de datos biológicos de alta dimensión. Nuestros resultados en conjuntos de datos generados a partir de la base de datos Progenetix sugieren que nuestros métodos son considerablemente superiores a los métodos existentes. DISPONIBILIDAD: Todo el software desarrollado en este artículo se puede descargar desde http://plaza.ufl.edu/junliu/feature.tar.gz.