Resumen

La combinación de múltiples conjuntos de datos de microarrays aumenta el tamaño de la muestra y conduce a una mejor reproducibilidad en la identificación de genes informativos y la predicción clínica subsiguiente. Aunque los microarrays han incrementado la tasa de recopilación de datos genómicos, el tamaño de la muestra sigue siendo un problema importante al identificar biomarcadores genéticos informativos. Debido a esto, los métodos de selección de características a menudo sufren de descubrimientos falsos, lo que resulta en modelos predictivos poco efectivos. Desarrollamos un método de selección de características basado en metaanálisis que captura el conocimiento de cada conjunto de datos individual y combina los resultados utilizando un promedio de rangos simple. En un estudio exhaustivo que mide la robustez en términos de aplicación clínica (es decir, cáncer de mama, renal y pancreático), heterogeneidad de la plataforma de microarrays y clasificador (es decir, regresión logística, LDA diagonal y SVM lineal), comparamos el método de metaanálisis de promedio de rangos

• Materias:Energías renovables Hidrocarburos Infección Enfermedades mentales Tumor
• Subjects:Renewable energy Hydrocarbons Infection Mental illness Tumor
• Palabras claves:Conjuntos de datos de microarreglos; Tamaño de la muestra; Biomarcadores genéticos; Métodos de selección de características; Metaanálisis; Predicción clínica
• Keywords:Microarray datasets; Sample size; Genetic biomarkers; Feature selection methods; Meta-analysis; Clinical prediction