Diagnostic génétique du cancer à l'aide de six types de données de microarray, représentatives des données horizontales
Shuichi Niimura, professeur émérite, Faculté d'économie, Université Seikei
Selon le professeur Golub et al. de la Harvard Medical School, « le diagnostic génétique du cancer à l'aide de données de puces à ADN, qui est un exemple représentatif de données horizontales » est mené depuis plus de 30 ans, mais aucune conclusion claire n'a été atteinte (Problème 5 de l'analyse discriminante). De nombreux statisticiens soulignent des problèmes qui ne peuvent pas être résolus statistiquement.
1. Problème de petit n et de grand p, c'est-à-dire de données horizontales typiques où p>>n. Par exemple, lors de la réalisation d'une discrimination ou d'une régression sur 100 patients atteints de cancer et 100 patients normaux avec environ 10 000 données, la sélection des variables et d'autres problèmes sont NP-difficiles.
2. Les gènes du cancer utiles à la discrimination sont cachés dans le bruit de haute dimension restant et ne peuvent pas être bien séparés.
Et ainsi de suite.
Après avoir obtenu mon diplôme universitaire en 1971, j'ai travaillé au Centre préfectoral des maladies pour adultes d'Osaka pendant quatre ans pour développer la logique d'un système de diagnostic automatique d'électrocardiogramme utilisant le LDF de Fisher, mais il ne répondait pas à la logique de ramification des médecins. Cette expérience nous a amené à penser que la théorie de la discrimination statistique est inappropriée pour le diagnostic médical, et nous avons développé une fonction discriminante linéaire optimale basée sur le critère du nombre minimum de classifications erronées (MNM) en utilisant la programmation mathématique, ainsi que la « méthode de validation croisée 100 fois pour les petits échantillons (méthode 1) » et la « méthode de sélection des caractéristiques Matryoshka (méthode 2) », qui a résolu cinq problèmes d'analyse discriminante. Le problème 5, qui aurait pris 30 ans à résoudre, a été résolu en seulement 54 jours en utilisant la méthode 2. Les données de microarray pouvaient être complètement distinguées entre normales et anormales avec des ensembles de gènes bien inférieurs au nombre d'éléments de données, n (100), et pouvaient être complètement séparées en une union exclusive de plusieurs dizaines de ces ensembles de gènes (Small Matryoshka, SM) et l'espace de bruit de grande dimension restant. Ceux-ci ont été publiés par Springer. Nous avons ensuite analysé tous les SM obtenus à l'aide de l'analyse de la variance à un facteur, de l'analyse de cluster, de l'ACP et des fonctions discriminantes statistiques de JMP, et nous rapportons la première création réussie au monde d'un indice de malignité du cancer. Ces résultats ont été publiés dans une édition Amazon Kindle (From Cancer Gene Analysis to Cancer Gene Diagnosis, 1 200 yens).
