以路徑層級觀點的機器學習癌症亞型預測方法

背景和目的
區分癌症亞型是選擇適當治療策略的關鍵。生物資訊學方法已逐漸取代臨床觀察和病理實驗。然而，這些方法通常僅應用基因表現資料，生物路徑層級的因素並沒有被考慮，並且以往的研究主要集中在特定疾病。因此，需要一個能夠整合基因表現和路徑的方法。

方法
在這項研究中，我們提出一種方法，可以透過基於高得分排序的方法，來整合蛋白質交互作用網路和基因表現變化的資訊，來找到與疾病各個階段的相關的活動中路徑的潛在片段。首先使用由GEO上收集之腎細胞癌（Renal cell carcinoma, RCC, GDS2880）來進行初步測試，該資料集包含13,999 個基因在Stage 1 與Stage 2 的表現；並使用KEGG 上之腎細胞癌圖進行驗證，結果建立了RCC 不同Stage的路徑地圖，也發現了三個關鍵基因。產生路線圖覆蓋率的準確度分別為50％和48.48％。接著進一步運用該方法至神經上皮組織腫瘤（Neuroepithelial tumour, GDS1962）亞型之分類，該資料集共有180個樣本，包含23個非腫瘤樣本、26個星型細胞瘤樣本、81個膠質母細胞瘤樣本和50個寡樹突膠質瘤樣本。使用前述方法來找出活動中路徑之連結，將路徑網路轉換為稀疏矩陣後，應用支持向量機（SVM）於訓練和測試亞型預測模型。

結果
實驗結果表明，以路徑層及觀點的機器學習癌症亞型預測方法，可用於癌症組織的多類型亞型。透過測試支援向量機使用線性內核進行預測模組建構。結果表明，通過計算預測準確度來評估所提出的方法的性能，預測多類型亞型的平均預測精度可達67.64％，與其他僅兩類分類研究之結果可達到同一個水平。其中在ECS門檻調整為最高情況下，我們獲得了不同亞型的三組連結，有可能在亞型差異上扮演著重要角色，這三組連結分別是「Control–astrocytomas 組：APLNR-APLN」、「Control–glioblastoma 組： CA6-FCGRT 、RDH5-RGR 」和「Control–oligodendrogliomas組：CDHR1-PROM1」。

結論
在本研究中，通過所提出的方法構建的全域活動路徑圖可以提供比有限子網路生物標記提供更多的視野，具有較多連結的節點為進一步研究沒有出現在已知路徑圖上的相關基因提供了有價值的參考。這些關係提供了一個尋找潛在和未知的癌症相關基因的可能方法。最後，這項研究基於SVM，從路徑層級的角度進行了癌症亞型的分類。結果表明，所提出的方法應用比用於獲得相似結果的基因表達方法更少的特徵。我們希望這樣的結果提供一個與以往不同的角度來進行生物資訊的研究，以突破以往點的方式進而以線的方式來進行。