Kanser sınıflandırmada mikroRNA ve mRNA anlatım bilgilerinin entegrasyonu

Abstract

Gen ifade verilerinden kanserli doku örneklerinin sınıflandırılması günümüz biyokimyasının en önemli problemlerindendir. Bu problemi zor kılan en önemli durum, tipik bir mikroseri deneyindeki çok yüksek miktarda gen sayısına (mRNA) karşılık çok az sayıda örnek bulunmasıdır. Yapılan son araştırmalarda öznitelik seçimi yöntemlerinin bu sorunu aşmada önemli rolü olduğu raporlanmaktadır. Bunun yanı sıra kanserli doku saptamada mikroRNA ifade biçimlerinin de önemli bir bilgi değeri taşıdığı belirtilmektedir. Bu çalışmada bu iki bulgunun kapsamlı bir şekilde ele alınmasıyla mikroRNA-mRNA entegrasyonu üzerinde öznitelik seçimi yöntemlerinin etkisi değerlendirilmiştir. Çalışmamızın sonucunda bu entegrasyonun etkili bir öznitelik seçim stratejisinin de yardımıyla uygulanan sınıflandırıcıların tahmin doğruluğunu önemli ölçüde arttırdığı ispatlanmıştır.

Classifying cancer samples from gene expression data is one of the central problems in current systems biomedicine. The problem is challenging due to the small number of samples in comparison to the number of genes (mRNAs) in a typical microarray experiment. Recent reports suggest that feature selection may help to manage the problem. Furthermore, microRNA expression profiles have shown to provide valuable knowledge in detecting cancer signatures. In this study, we present the results of a comprehensive study to assess the effect of feature selection and microRNA-mRNA data integration in cancer type prediction from microarray expression data. We prove that this integration can significantly improve prediction accuracy with a proper feature selection strategy.