Построение классификатора типов рака по данным соматических мутаций.

В качестве исходных данных были использованы .maf файлы базы данных TCGA. Файлы находятся в директории Data

Логика действий:

1. Загрузка сети генных взаимодействий (направленный взвешенный граф). Вес ребра рассчитывается как сумма всех возможных взаимодействий между генами, делённая на 10 (нормировка)
2. Создание таблицы: строки — данные пациента, столбцы — данные по конкретному гену. Таблица заполняется в зависимости от значимости (об этом ниже).
3. G0: Сортировка → AdaBoost → SVM
4. G1: Сортировка → Net → AdaBoost → SVM
5. G2: Сортировка → Net → Net → AdaBoost → SVM

Сортировка: Сортировка столбцов таблицы (генов) по суммарному количеству мутаций данного гена у всех пациентов. Таким образом, самые часто мутирующие гены оказываются первыми.

AdaBoost: Обучение алгоритмом AdaBoost на первых 2000 генах таблицы.

SVM: Обучение SVM на всех генах с ненулевым вкладом, полученных с помощью AdaBoost.

Net: Для каждого гена (A) имеем его значимость (k) и список связанных с ним генов в сети (R1, R2, R3, ...). Для каждого из генов этого списка считаем дополнительную значимость как значимость гена (A), умноженную на вес соответствующего ребра.

Значимость: не все мутации равнозначимы. Например, мутация со сдвигом рамки считывания чаще всего опаснее точечной мутации. Значимость была расставлена следующим образом:

Missense_Mutation → 60
Frame_Shift_Ins → 150
Frame_Shift_Del → 170
Silent → 10
In_Frame_Ins → 20
Default → 30

---

Apps/transform.js — алгоритм преобразования графом генных взаимодействий.

Apps/test.r — обучение AdaBoost, SVM, тестирование.

Результаты:

Типы рака	G0	G1	G2
COAD HNSC	44 0.9789	32 0.9614	91 0.9021
COAD KICH	29 0.8992	19 0.9300	32 0.7521
HNSC KICH	92 0.9158	80 0.9287	74 0.9123
HNSC KIRC	104 0.9259	101 0.9067	123 0.8209
KICH KIRP	46 0.7994	42 0.8413	47 0.7467
KIRP COAD	42 0.9022	33 0.8531	47 0.7347
KIRP HNSC	94 0.9513	95 0.8981	123 0.8379

Первое число — количество использованных для классификации генов.

Замечания:

После окончания летней школы были внесены изменения:

Вместо самописного алгоритма AdaBoost на JS используется алгоритм boosting в R. Добавлены новые типы раковых заболеваний для классификации. Проведено тестирование классификатора при двукратном прохождении через граф генных взаимодействий.