가로 데이터의 대표 인 6 종의 Microarray 데이터에 의한 암 유전자 진단
세이 케이 대학 경제 학부 명예 교수 신촌 슈이치
하버드 의대의 Golub 교수에 따르면 "가로 데이터의 대표 인 Microarray 데이터에 의한 암 유전자 진단」은 30 년 이상 이루어지고 있고, 명확한 결론이 나지 않은 (판별 분석의 문제 5).많은 통계들은 통계적으로 대응할 수없는 문제점을 지적하고있다.
1. Small n and large p problem 즉 p >> n의 전형적인 횡 데이터이다.예를 들어, 암과 정상 환자 100 명을 1 만 개 안팎으로 판별 및 회귀 할 경우 변수 선택 등 NP-hard 문제이다.
2. 판별에 효과적인 암 유전자가 남아있는 고차원의 잡음에 숨겨져있어이를 잘 분리 할 수 없다.
등이다.
필자는 1971 년 대학 졸업 후 오사카 부립 성인병 센터에서 4 년간 심전도 자동 진단 시스템의 논리를 Fisher의 LDF에서 개발했지만 의사의 분기 논리에 이루어지지 않았다.이 경험은 의학 진단에 통계적 결정 이론은 잘못된 생각, 수리 계획법에 의한 Minimum Number of Misclassification (MNM) 기준에 따른 최적 선형 판별 함수와 "작은 표본을위한 100 배 교차 검증 법 (방법 1) "와"Matryoshka Feature Selection Method (방법 2) '를 개발, 판별 분석의 다섯 가지 문제를 해결했다.30 년 걸려 해결할 수없는 문제 5는 약간 54 일에서 방법 2로 해결했다.Microarray 데이터는 데이터 건수의 n (100) 건보다 훨씬 적은 유전자 쌍에서 성공적으로 이상이 완전히 판별 할 수 이러한 유전자 쌍 (Small Matryoshka, SM)의 수십개의 독점 화 집합과 나머지 고차원의 잡음 공간에 완벽하게 나눌 수 있었다.이들은 Springer에서 출판했다.그리고 얻어진 모든 SM을 JMP의 일원 분산 분석, 클러스터 분석, PCA 통계적 판별 함수 분석하여 암의 악성도 지표를 만드는 데 세계 최초로 성공 한 내용을보고한다.이러한 결과를 Amazon의 Kindle 판 (From Cancer Gene Analysis to Cancer Gene Diagnosis 1200 엔)에 정리해 발표했다.
