Cancer Cell | 机器学习开启非TCGA癌症临床样本分子亚型分类新篇章

本文介绍了美国俄勒冈健康与科学大学等机构的研究团队在Cancer Cell杂志上发表的研究，该研究利用五种机器学习方法对8791个TCGA样本进行训练，创建了一个包含737个预测模型的在线资源，用于非TCGA癌症样本的分子亚型分类。研究通过减少特征冗余和数量，提高了模型的预测性能和临床应用潜力。结果表明，mRNA特征在多数癌症类型中占主导地位，而某些癌症如脑胶质瘤和胃食管腺癌则更适合使用DNA甲基化特征。此外，研究还发现，大约150个训练样本足以接近最大模型性能，为临床分子亚型的应用提供了重要参考。