使用基于Mime的机器学习框架构建和可视化模型

高通量测序技术极大地推动了我们对生物学和癌症异质性的理解。然而，面对大量的高通量测序数据，快速筛选并鉴定与疾病相关的基因和生物标志物仍然具有挑战性。尽管已有多种机器学习框架，但目前尚无一个平台能够提供整合性的模型比较，以支持科学决策。为填补这一空白，我们开发了Mime，这是一个用于评估模型压力与弱点的统一平台。

Mime 提供四种功能：最佳预后建模、二元响应预测、共预后特征识别以及模型性能可视化，利用自训练的机器学习算法实现整合的跨关键分析。

研究人员在选择预测算法和管理机器学习环境时常面临困难。Mime 开源 R 软件包简化了模型设置、参数选择和部署过程，使用户能够轻松分析自己的数据。

Mime 标志着将人工智能应用于生物医学的一个里程碑，通过将机器学习整合到单细胞测序层面，利用肿瘤内多样性揭示肿瘤内异质性。

[旁白] 首先，在台式计算机上打开 GitHub 网站。在 R 中使用 devtools 包从 GitHub 安装 Mime 的开发版本。准备包含转录组测序数据及生存或临床反应信息的多个队列。使用来自 Mime GitHub 仓库的示例数据集 Example.cohort 和 Example.ici。Example.cohort 包含两个胶质瘤数据集，分别从 TCGA 和 CGGA 数据库中随机选取 100 个样本。在 Example.cohort 中纳入多个数据集以构建预后预测模型。验证数据集格式是否在第一列包含样本 ID，第二列和第三列分别为生存时间和生存状态，其余列为对数转换后的基因表达水平。确认 Dataset1 用于训练，其他数据集用于验证。接下来，加载 Example.ici 数据集，并确认其格式为第一列是样本 ID，第二列是治疗反应，其余列为对数转换后的基因表达水平。使用 genelist 文件中与 Wnt/β-catenin 信号通路相关的基因集在 R 中准备 genelist。使用函数 ML.Dev.Prog.Sig 及给定代码，基于 Example.cohort 和 genelist 构建预后预测模型。然后使用函数 cindex_dis_all 绘制每个模型的 C 指数图，并确定最优模型。使用特定模型，根据风险评分计算不同数据集中患者的生存曲线，并使用给定代码在 Mime 中进行处理。使用函数 cal_AUC_ml_res 及给定代码，计算预测模型的时间依赖性 AUC。现在，使用函数 auc_dis_all 及给定代码绘制每个模型的时间依赖性 AUC。在 Mime 中使用函数 roc_vis 及给定代码，处理特定模型在不同数据集中的时间依赖性 ROC 曲线。为构建治疗反应预测模型，基于 Example.ici 数据集和 genelist 使用函数 ML.Dev.Pred.Category.Sig。使用 auc_vis_category_all 可视化每个反应模型的 AUC。然后使用 roc_vis_category 生成每个模型的 ROC 曲线。在核心特征筛选中，基于 Example.cohort 和 genelist 使用 ML.Corefeature.Prog.Screen 鉴定与预后相关的核心基因。使用 core_feature_rank 绘制经不同方法筛选的基因排名，以突出频繁识别出的核心基因。在 Mime 构建的 117 个预后模型中，StepCox[Forward] + plsRcox 联合模型在所有队列中表现出最高的一致性指数。在所有队列中，高风险评分患者的预后显著更差。SPCOM 模型预测的一年曲线下面积在所有模型中排名最高，且在各队列中的平均 AUC 值最高。在七个治疗反应预测模型中，svmRadialWeights 模型表现最佳，在训练数据集中曲线下面积为 0.81，在验证数据集中为 0.68。核心特征筛选基于不同算法中的出现频率，鉴定出 PSEN2、WNT5B 和 SKP2 为排名最高的基因。