Diagnosi genetica del cancro utilizzando sei tipi di dati di microarray, rappresentativi di dati orizzontali
Shuichi Niimura, Professore Emerito, Facoltà di Economia, Università di Seikei
Secondo il professor Golub et al. della Harvard Medical School, "la diagnosi genetica del cancro utilizzando dati di microarray, che sono un esempio rappresentativo di dati orizzontali" è stata condotta per oltre 30 anni, ma non è stata raggiunta alcuna conclusione chiara (problema 5 nell'analisi discriminante). Molti statistici evidenziano problemi che non possono essere affrontati statisticamente.
1. Problema con n piccolo e p grande, ovvero dati orizzontali tipici in cui p>>n. Ad esempio, quando si esegue una discriminazione o una regressione su 100 pazienti oncologici e 100 pazienti normali con circa 10.000 dati, la selezione delle variabili e altri problemi sono NP-hard.
2. I geni del cancro utili per la discriminazione sono nascosti nel rumore ad alta dimensionalità rimanente e non possono essere separati bene.
E così via.
Dopo la laurea universitaria nel 1971, ho lavorato per quattro anni presso il Centro per le malattie degli adulti della prefettura di Osaka, sviluppando la logica per un sistema di diagnosi automatica dell'elettrocardiogramma utilizzando il LDF di Fisher, ma non soddisfaceva la logica ramificata dei medici. Questa esperienza ci ha portato a credere che la teoria della discriminazione statistica non sia appropriata per la diagnosi medica e abbiamo sviluppato una funzione discriminante lineare ottimale basata sul criterio del numero minimo di errori di classificazione (MNM) utilizzando la programmazione matematica, nonché il "metodo di convalida incrociata 100 volte per piccoli campioni (metodo 1)" e il "metodo di selezione delle caratteristiche Matryoshka (metodo 2)", che hanno risolto cinque problemi nell'analisi discriminante. Il problema 5, che avrebbe richiesto 30 anni per essere risolto, è stato risolto in soli 54 giorni utilizzando il metodo 2. I dati del microarray potevano essere completamente distinti tra normali e anormali con set di geni molto inferiori al numero di elementi di dati, n (100), e potevano essere completamente separati in un'unione esclusiva di diverse dozzine di tali set di geni (Small Matryoshka, SM) e il rimanente spazio di rumore ad alta dimensionalità. Questi sono stati pubblicati da Springer. Abbiamo poi analizzato tutti gli SM ottenuti utilizzando l'analisi della varianza unidirezionale, l'analisi dei cluster, l'analisi delle componenti principali (PCA) e le funzioni discriminanti statistiche di JMP e abbiamo segnalato la prima creazione riuscita al mondo di un indice di malignità del cancro. Questi risultati sono stati pubblicati in un'edizione Amazon Kindle (dall'analisi del gene del cancro alla diagnosi del gene del cancro, 1.200 yen).
