《表1 SFS-RF、LASSO和PCA方法的比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《加权ceRNA网络筛选乳腺癌生物标志物》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

肿瘤基因表达具有多变量、高维度和高冗余的特点，为了获得有效且可靠的信息，LASSO回归和PCA已广泛运用于生物标志物的筛选[29～30]。根据TCGA数据库中下载的乳腺癌RNA数据，利用SFS-RF、LASSO和PCA方法筛选生物标志物，用ACC、SN、SP、MCC和ROC曲线衡量它们筛选生物标志物的分类精度。3种方法筛选出的生物标志物数量及分类精度见表1。表1直观地显示:在分类精度相近的情况下，SFS-RF、LASSO和PCA方法筛选出来的生物标志物数量依次为3、19和9，显然SFS-RF方法筛选出的生物标志物最少。在乳腺癌的研究中，通过本文提出的方法，只需检测3个基因的转录水平就能达到与其他方法（如LASSO回归和PCA）相近的识别精度。因此，SFS-RF方法在筛选生物标志物时具有更高的效率。