Abstract

Gathering vastos conjuntos de dados de genomas do câncer requer procedimentos mais eficientes e autónomos para classificar os tipos de câncer e descobrir alguns genes essenciais para distinguir diferentes tipos de câncer. Uma vez que a expressão da proteína é mais estável do que a expressão do gene, nós escolhemos matriz inversa proteína de fase de dados (RPPA), uma abordagem de alto rendimento à base de anticorpo potente e robusto para proteómica segmentados, para realizar a pesquisa. Neste estudo, propusemos uma estrutura computacional para classificar as amostras do paciente em dez principais tipos de câncer com base nos dados RPPA usando o (Sequential mínima optimization) método SMO. Um procedimento de seleção de características cuidado foi empregado para selecionar 23 proteínas importantes do total de 187 proteínas por mrmr (função Seleção mínimo redundância máxima relevância) e IFS (Seleção de Recursos Incremental) sobre o conjunto de treinamento. Usando as 23 proteínas, classificamos com sucesso os dez tipos de câncer com um MCC (Matthews coeficiente de correlação) de 0,904 no conjunto de treinamento, avaliada pela validação cruzada 10 vezes, e um MCC de 0,936 em um conjunto de teste independente. Uma análise mais aprofundada destes 23 proteínas foi realizada. A maior parte destas proteínas podem apresentar as características de cancro; Chk2, por exemplo, desempenha um papel importante na proliferação de células cancerosas. Nossa análise dessas 23 proteínas dá credibilidade à importância destes genes como indicadores de classificação de câncer. Nós também acreditamos que nossos métodos e conclusões podem lançar luz sobre as descobertas de biomarcadores específicos de diferentes tipos de cânceres

Citation:. Zhang PW, Chen L, Huang T, Zhang N, Kong XY, Cai YD (2015) classificar dez tipos de cancros principais Baseado em fase reversa Profiles array de proteínas. PLoS ONE 10 (3): e0123147. doi: 10.1371 /journal.pone.0123147

Editor do Academic: Lukasz Kurgan, da Universidade de Alberta, Canadá