[發明專利]基于改進XGBoost的泛癌癥基因通路預測方法、系統和存儲介質

在審

• 申請號: 202010041366.9
• 申請日: 2020-01-15
• 公開（公告）號: CN111243662A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 阿麗瑪;劉朝銳;張玉;周維
• 申請（專利權）人: 云南大學
• 主分類號: G16B20/20
• 分類號: G16B20/20;G16B20/50;G16B40/20
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 陽佑虹

1.一種基于改進XGBoost的泛癌癥基因通路預測方法，其特征在于，包括以下步驟：

利用訓練數據集對改進XGBoost模型進行訓練，至模型收斂，所述訓練數據集，為獲取的癌癥樣本數據，各癌癥樣本對應于所屬的癌癥類型；其中，改進的XGBoost模型為在XGBoost模型基礎上，增加了閾值選擇流程，所述閾值用于控制正負樣本的分類邊界，所述閾值選擇流程根據分類指標對閾值進行調整；根據分類指標對閾值進行調整的過程包括：以0.5作為基準閾值，對正負樣本區間進行預測，計算AUROC，根據計算結果對閾值進行調整。

2.如權利要求1所述的基于改進XGBoost的泛癌癥基因通路預測方法，其特征在于，所述利用訓練數據集對改進XGBoost模型進行訓練的方法具體包括：將訓練數據集使用改進XGBoost模型訓練，利用K折交叉驗證訓練所述改進XGBoost模型。

3.如權利要求2所述的基于改進XGBoost的泛癌癥基因通路預測方法，其特征在于，所述分類指標為ROC-AUC。

4.如權利要求2所述的基于改進XGBoost的泛癌癥基因通路預測方法，其特征在于，所述利用K折交叉驗證訓練所述改進XGBoost模型過程中，調整的參數包括迭代次數、生成樹的最大深度、下采樣系數、正則化系數和學習率。

5.如權利要求2所述的基于改進XGBoost的泛癌癥基因通路預測方法，其特征在于，所述K＝5。

6.如權利要求1所述的基于改進XGBoost的泛癌癥基因通路預測方法，其特征在于，所述訓練數據集的準備過程包括：

將數目變異矩陣和基因表達矩陣根據樣本ID進行合并；使用樣本的突變數據打上標簽；其中，數目變異矩陣和基因表達矩陣由RNA-seq、拷貝數和突變數據對應錄入生成；

對合并后的矩陣進行預處理，所述預處理包括過濾步驟，以最終得到訓練數據集。

7.如權利要求6所述的基于改進XGBoost的泛癌癥基因通路預測方法，其特征在于，所述對合并后的矩陣進行預處理的步驟包括：根據樣本ID整合表達數據和變異數據，過濾患者數據量未達預定數量的癌癥類別。

8.一種計算機可讀存儲介質，其存儲有計算機程序，其特征在于，運行該計算機程序可執行如權利要求1～7任一所述的基于改進XGBoost的泛癌癥基因通路預測方法。

9.一種基于改進XGBoost的泛癌癥基因通路預測系統，其特征在于，包括處理器和如權利要求8所述的計算機可讀存儲介質，所述處理器用于運行所述計算機可讀存儲介質中存儲的計算機程序，以運行基于改進XGBoost的泛癌癥基因通路預測方法。