Evaluation of gene selection metrics for tumor cell classification

Abstract

Gene expression profiles contain the expression level of thousands of genes. Depending on the issue under investigation, this large amount of data makes analysis impractical. Thus, it is important to select subsets of relevant genes to work with. This paper investigates different metrics for gene selection. The metrics are evaluated based on their ability in selecting genes whose expression profile provides information to distinguish between tumor and normal tissues. This evaluation is made by constructing classifiers using the genes selected by each metric and then comparing the performance of these classifiers. The performance of the classifiers is evaluated using the error rate in the classification of new tissues. As the dataset has few tissue samples, the leave-one-out methodology was employed to guarantee more reliable results. The classifiers are generated using different machine learning algorithms. Support Vector Machines (SVMs) and the C4.5 algorithm are employed. The experiments are conduced employing SAGE data obtained from the NCBI web site. There are few analysis involving SAGE data in the literature. It was found that the best metric for the data and algorithms employed is the metric logistic.

Digout: Viewing Differential Expression Genes as Outliers

“…Twoconditional experiments are carried out mostly, if not exclusively, for mining genes induced or repressed by one experimental condition relative to the other, which explains why many efforts have been devoted to the issue of selecting DE genes from two-conditional microarray datasets. 5,6,[8][9][10][11][12][13] The other microarray experiment type, the multi-conditional experiment, investigates more than two experimental conditions, e.g. time points in a time series 14 or samples across different tissues.…”

Um framework para análise de agrupamento baseado na combinação multi-objetivo de algoritmos de agrupamento

“…Essas investigações também geraram diversas publicações: um resumo apresentado na 1st International Conference on Bioinformatics andComputational Biology, ICoBiCoBi'2003 (Faceli et al 2003b), a posterior publicação da versão completa desse trabalho na revista Genetics and Molecular Biology (Faceli et al 2004), e um trabalho publicado nos anais do IV Encontro Nacional de Inteligência Artificial, ENIA'2003(Faceli et al 2003a, classificado entre os 15 melhores artigos e convidado para a publicação de uma versão completa na revista Scientia (Faceli et al 2003c). …”

Estudo de coeficientes de correlação para medidas de proximidade em dados de expressão gênica

“…Tal redução foi realizada a fim de remover genes não informativos ou com baixas diferenças em seus níveis de expressão para diferentes amostras. A obtenção deste subconjunto de genes se deu com a aplicação do procedimento de fold change (Faceli et al, 2004), o qual tem por objetivo selecionar genes que possuam uma variação de pelo menos l-folds no valor de sua razão em, no mínimo, c amostras. Para bases de dados de cDNA, o primeiro passo tomado foi a eliminação de genes com mais de 10% de valores ausentes.…”

“…Em um segundo momento, com o intuito de remover genes não expressos, ou expressos em níveis muito baixos, as bases de dados foram pré-processadas de forma similarà realizada em (de Souto et al, 2008). O procedimento aplicado, comumente chamado de fold change, possui como base o cálculo de razão entre as expressões dos genes nas duas amostras biológicas que compõem uma amostra 6 (Faceli et al, 2004). Seu objetivoé selecionar genes que possuam uma variação de pelo menos l-folds no valor de sua razão em, no mínimo, c amostras.…”