A comparative evaluation of feature selection algorithms for cancer classification through gene expression data

Abstract

Kanser teşhisi konan insanların sayısı her geçen gün artmaktadır. Doktorlar kanser türlerini, görüntüleme teknolojileri, kan analizi ve doku biyopsilerinden elde edilen sonuçları yorumlayarak teşhis ederler. Kanser hücrede başlar. Bu nedenle, kanser hücresinin genetik yapısının incelenmesi, uzun vadede daha güvenilir ve bilgilendiricidir. Ayrıca, bu hücrelerin genetik yapısının analizi, hedef ilaç tedavilerinde kullanılabilen belirteç genleri tanımlarken ve gen ağlarını, genler ile gen ürünleri arasındaki ilişkileri ve genlerin belirli hücre sinyal yolakları üzerindeki etkilerini anlamakta da yardımcı olabilir. Mikro-dizilinler bu alandaki veri kaynaklarından biridir. Gen ifade değerlerini belirlerler ve kanseri teşhis etmek veya kanser türlerini sınıflandırmak için kullanılabilirler. Bu tezde önerilen yöntemde, gen ifadesi verileri, uygun bir gen alt kümesi bulmak ve kanser türlerini sınıflandırmak için istatistiksel teknikler ve makine öğrenme teknikleri kullanılarak analiz edilir. İstatistiksel filtre yaklaşımları, anlamlı bir gen alt kümesi elde etmek için öznitelik seçme yöntemleri olarak kullanılır. Destek vektör makineleri ve çok katmanlı algılayıcı da öznitelik seçme algoritmalarını test etmek ve kanser türlerini sınıflandırmak için kullanılır.

The number of people who have been diagnosed with cancer is increasing day by day. Cancer is diagnosed by interpreting the results obtained from the imaging technologies, blood analysis and diagnostic biopsies. Cancer begins in the cell. Therefore, studying genetic structure of the cancer cell is more reliable and informative in the long term. The analysis of the genetic structure of these cells can also be helpful while identifying marker genes, which can be used in targeted drug therapies. Additionally, understanding the gene networks, relations between genes and their products and the effects of genes on certain cell signaling pathways can help scientists to understand the dynamics of cancer. Microarrays are one of the important data sources for gene expression which can be used to diagnose cancer or classify cancer types. In this thesis, gene expression data from the benchmark datasets is analyzed to select a proper gene subset and classify three different types of cancer by using statistical and machine learning techniques. Nine different statistical filter approaches as feature selection methods are comparatively evaluated. For pattern recognition, support vector machines and multilayer perceptrons are employed to test the feature selection algorithms and classify cancer types.