机器学习在癌症分子亚型分类中的应用

学习笔记：机器学习在癌症分子亚型分类中的应用——Cancer Cell 研究解析

---

1. 文章基本信息

• 标题：Classification of non-TCGA cancer samples to TCGA molecular subtypes using machine learning
• 发表期刊：Cancer Cell
• 发表时间：2025 年，第 53 卷，第 2 期
• 研究目标：
  • 开发机器学习分类器，用于将非 TCGA 样本映射到TCGA 定义的分子亚型。
  • 支持多组学数据整合（mRNA、DNA 甲基化、CNV、突变、miRNA），提高分类准确度。
  • 提供标准化工具（Docker 容器化），使研究和临床应用更便捷。

---

2. 文章的主要行文思路

(1) 引言（Introduction）

• 介绍癌症传统分类方法（基于组织学和解剖学分类）的局限性。
• 介绍 TCGA 数据集在癌症亚型研究中的重要性。
• 说明当前分子亚型分类方法在非 TCGA 样本上的应用挑战。
• 提出研究目标：使用机器学习方法开发分类器，将非 TCGA 样本归类到 TCGA 定义的亚型。

(2) 方法（Methods）

• 数据来源：使用 TCGA 的多组学数据，包括 mRNA、DNA 甲基化、CNV、miRNA、突变数据。
• 机器学习方法：
  • 使用五种 ML 方法（AKLIMATE、CloudForest、SKGrid、JADBio、subSCOPE）。
  • 训练 8,791 个 TCGA 样本，涵盖 26 种癌症队列和 106 个分子亚型。
  • 使用交叉验证评估模型性能，最终选出 737 个最优分类器。
• 外部验证：
  • 采用 METABRIC 和 AURORA 乳腺癌数据集，测试模型的泛化能力。

(3) 结果（Results）

• 分类模型构建与性能评估：

  • 统计不同数据类型对分类的贡献。
  • 发现 mRNA 在大多数癌症亚型分类中起主导作用。
    

• 外部数据集验证：

  • 评估不同 ML 方法在不同测序平台（RNA-seq vs. 微阵列）上的稳健性。

• 模型泛化能力：

  • 发现 70 个样本足以预测分类器的最终性能。
  • 研究不同癌症亚型对单一数据类型的依赖程度。

(4) 讨论（Discussion）