
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于Transformer编码器网络与数据增强的癌症基因表达特征选择及生物标志物发现
《BMC Bioinformatics》:An attention-based transformer feature selection method for high-dimensional, low-sample gene expression data
【字体: 大 中 小 】 时间:2026年11月20日 来源:BMC Bioinformatics 4.4
编辑推荐:
摘要基因表达数据通常具有维度高、样本量小的特点,这给癌症分类中的特征选择和生物标志物发现带来了重大挑战。为解决这一问题,本研究提出了一种基于Transformer的特征选择框架,称为Transformer编码器网络(TEN)。TEN针对基因表达数据设计了一种适用于高维、低样本特征
基因表达数据通常具有维度高、样本量小的特点,这给癌症分类中的特征选择和生物标志物发现带来了重大挑战。为解决这一问题,本研究提出了一种基于Transformer的特征选择框架,称为Transformer编码器网络(TEN)。TEN针对基因表达数据设计了一种适用于高维、低样本特征选择的数据增强策略。通过扩充训练样本并结合基因表达数据的生物学特性来增强特征之间的差异,同时利用自注意力机制对潜在样本表示之间的关系信息进行建模,TEN由此促进了对类别判别结构的 learning。我们在十个基准数据集上对TEN进行了系统评估,并进一步在五个真实基因表达数据集(GSE68465、GSE12452、GSE76427、GSE14520和GSE39582)上验证了其有效性。所有实验均采用支持向量机分类器(SVM)进行评估,TEN在上述五个数据集上的分类曲线下面积(AUC)值分别达到1.0000、0.9746、0.9813、0.9841和0.9960。结果表明,在所评估的特征选择任务中,TEN与多种现有方法相比取得了良好的性能,所提出的数据增强策略也有助于提升模型在高维、低样本条件下的表现。此外,TEN筛选出的若干基因得到了差异表达分析、生存分析和已发表文献的支持。这些基因与肿瘤的发生发展及患者预后密切相关,表明该方法识别出的特征不仅具有统计学优势,还具有良好的生物学可解释性。
临床试验编号:不适用。
基因表达数据通常具有维度高、样本量小的特点,这给癌症分类中的特征选择和生物标志物发现带来了重大挑战。为解决这一问题,本研究提出了一种基于Transformer的特征选择框架,称为Transformer编码器网络(TEN)。TEN针对基因表达数据设计了一种适用于高维、低样本特征选择的数据增强策略。通过扩充训练样本并结合基因表达数据的生物学特性来增强特征之间的差异,同时利用自注意力机制对潜在样本表示之间的关系信息进行建模,TEN由此促进了对类别判别结构的学习。我们在十个基准数据集上对TEN进行了系统评估,并进一步在五个真实基因表达数据集(GSE68465、GSE12452、GSE76427、GSE14520和GSE39582)上验证了其有效性。所有实验均采用支持向量机分类器(SVM)进行评估,TEN在上述五个数据集上的分类曲线下面积(AUC)值分别达到1.0000、0.9746、0.9813、0.9841和0.9960。结果表明,在所评估的特征选择任务中,TEN与多种现有方法相比取得了良好的性能,所提出的数据增强策略也有助于提升模型在高维、低样本条件下的表现。此外,TEN筛选出的若干基因得到了差异表达分析、生存分析和已发表文献的支持。这些基因与肿瘤的发生发展及患者预后密切相关,表明该方法识别出的特征不仅具有统计学优势,还具有良好的生物学可解释性。
临床试验编号:不适用。