藉由量化癌症狀態路徑變動來建立以支持向量機為基礎的癌症轉移預測模組

辨別不同的亞型是癌症治療策略的關鍵。電腦運算的方法通常僅限於使用基因表現的資料。在這個主題裡，之前的研究一般集中在基因層級或特定的疾病，而在生物路徑層面的因素並沒有被考慮。我們用一個計分算式，整合基因組體和蛋白質組體的資訊。實現量化路徑的變化強度。支持向量機（SVM）用於訓練和測試亞型預測模型。在神經上皮組織腫瘤的3個分類上平均預測精確度可達到67.641058％。我們已經設計出具一個具有新穎觀點來亞型預測的新方法，並表明，該方法可以應用特徵數遠小於只使用基因表現而獲得類似的結果。這項研究表明了實現基於生物路徑層級並運用SVM建立分類模組的癌症亞型分辨方法。