A Bayesian Feature Selection Method for Multiclass Classification with Application to Cancer Gene Expression Data
تقترح هذه الورقة طريقة بايزية لاختيار الميزات متعددة الفئات باستخدام نسبة الاعتقاد النسبي لتحديد الجينات التمييزية في مجموعات بيانات السرطان عالية الأبعاد، مما يظهر دقة تصنيف تنافسية وتحسناً في القابلية للتفسير عبر أنواع مختلفة من السرطان مقارنة بالنهج القائمة على التصفية الموجودة حالياً.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
في المكتبة الشاسعة للبيولوجيا البشرية، تحتوي قطرة واحدة من الدم أو قطعة صغيرة من الأنسجة على كمية هائلة من المعلومات. فداخل كل خلية، تعمل آلاف الجينات كتعليمات، تملي كيفية عمل الجسم، وعندما تسوء الأمور، كيف تتطور أمراض مثل السرطان. لطالما امتلك العلماء التكنولوجيا لقراءة هذه التعليمات الجينية دفعة واحدة، مما يخلق قوائم ضخمة من البيانات التي توضح أي الجينات نشطة وأيها صامتة. ومع ذلك، فإن هذا الوفرة من المعلومات تخلق مفارقة؛ فبينما يمكن للآلات الحديثة قياس نشاط عشرات الآلاف من الجينات في وقت واحد، فإن عدد المرضى المتاحين للدراسة غالباً ما يكون صغيراً. الأمر يشبه محاولة حل لغز معقد عندما تمتلك آلاف القطع ولكن لديك صور قليلة فقط لتسترشد بها. في هذا السيناريو، تكون معظم قطع الجينات هي في الواقع مجرد ضجيج خلفي، غير مرتبط بالمرض، ويكون فرزها للعثور على القطع القليلة التي تهم حقاً تحدياً جسيماً. فإذا لم يتمكن الباحثون من فصل الإشارة عن الضجيج، فإن محاولاتهم للتنبؤ بالسرطان أو تشخيصه تصبح غير موثوقة، مما يؤدي إلى الارتباك بدلاً من الوضوح.
ولمعالجة هذه المشكلة، طور فريق من الباحثين من الجامعة الأمريكية في الشارقة وجامعة تورنتو طريقة جديدة لغربلة هذا الازدحام الجيني. لقد ركزوا على نوع معين من البيانات يُعرف بالتعبير الجيني، والذي يقيس مدى استخدام خلية معينة لجين معين. كان هدفهم هو ابتكار طريقة يمكنها تحديد أي الجينات هي الأكثر أهمية للتمييز بين أنواع مختلفة من السرطان، مثل سرطان الدم (اللوكيميا)، أو سرطان القولون، أو سرطان الثدي، دون الحاجة إلى الاعتماد على طرق التجربة والخطأ المعقدة التي كانت تُستخدم غالباً في الماضي. وبدلاً من التخمين بشأن الجينات التي قد تكون مفيدة، طبقوا نهجاً إحصائياً متجذراً في التفكير البايزي (Bayesian thinking). يسمح هذا النهج للعلماء بتحديث معتقداتهم حول أهمية جين ما أثناء النظر في البيانات، وهو ما يعني طرح السؤال التالي: "هل الأدلة التي نراها في عينات المرضى تجعل من المرجح أكثر أو أقل أن هذا الجين يلعب دوراً رئيسياً في المرض؟"
اختبر الباحثون طريقتهم الجديدة، التي أطلقوا عليها اسم "نسبة الاعتقاد النسبي" (Relative Belief Ratio)، على مجموعة متنوعة من مجموعات بيانات السرطان الواقعية. احتوت هذه المجموعات على معلومات من مئات المرضى، مع قوائم جينات تصل أعدادها إلى الآلاف. وقارنوا تقنيتهم الجديدة بعدة طرق راسخة يستخدمها العلماء منذ سنوات لتصفية البيانات غير ذات الصلة. تضمنت العملية أخذ البيانات الجينية من مرضى يعانون من أنواع مختلفة من السرطان وسؤال الكمبيوتر عن ترتيب الجينات من الأكثر أهمية إلى الأقل أهمية. وبمجرد ترتيب الجينات، استخدم الباحثون أربعة نماذج حاسوبية معيارية لمعرفة مدى قدرة هذه النماذج على التنبؤ بنوع السرطان الذي أصاب المريض بناءً على الجينات الأعلى ترتيباً فقط. أرادوا معرفة ما إذا كانت طريقتهم الجديدة ستجد الجينات الصحيحة بشكل أسرع وأكثر دقة من الأدوات القديمة.
أظهرت النتائج أن الطريقة الجديدة كانت فعالة للغاية في اختراق الضجيج في كثير من الحالات. ففي الاختبارات باستخدام بيانات اصطناعية، حيث عرف الباحثون بالضبط الجينات المهمة، حددت الطريقة أربعة من أصل خمسة جينات رئيسية بشكل صحيح مع تجاهل الجينات غير ذات الصلة بنجاح. وعند تطبيقها على بيانات السرطان الحقيقية، أثبتت الطة جدارتها عبر نطاق واسع من الأمراض، لا سيما في سرطان القولون وأنواع معينة من سرطان الثدي، حيث ساعدت النماذج الحاسوبية على تقديم تنبؤات أكثر دقة مقارنة بالطرق التقليدية. ومع ذلك، كشفت الدراسة أيضاً أن الطريقة لا تعمل بنفس الكفاءة لكل أنواع السرطان؛ فبينما تفوقت في بيانات سرطان القولون وسرطان الثدي، كان أداؤها أسوأ بكثير من الطرق الراسخة الأخرى عند تحليل أنواع معينة من سرطان الدم (مجموعة بيانات Yeoh) وأورام الدماغ (مجموعة بيانات Pomeroy). في هذه الحالات، أخفقت الطة الجديدة بشكل منهجي في تحديد الجينات المثلى بقدر كفاءة منافسيها.
علاوة على ذلك، لم يكن نجاح الطريقة موحداً عبر جميع النماذج الحاسوبية المستخدمة للتشخيص. فبينما أظهرت أداءً قوياً مع بعض المصنفات مثل "آلات المتجهات الداعمة" (Support Vector Machines) في مجموعات بيانات معينة، إلا أنها واجهت صعوبات مع غيرها. فعلى سبيل المثال، عند اقترانها بنماذج "الغابة العشوائية" (Random Forest)، انخفض أداء الطريقة إلى أدنى مستوياته في مجموعات البيانات المتعلقة بسرطان الدم، وأورام الدماغ، والليمفوما. يشير هذا إلى أن فعالية النهج تعتمد بشكل كبير على كل من الخصائص الجينية النوعية لنوع السرطان والنموذج التحليلي المستخدم. وقد لاحظ الباحثون أن طريقتهم تتطلب قدرة معالجة حاسوبية أكبر من التقنيات الأقدم والأبسط، لأنها تتضمن حسابات معقدة لتحديث المعتقدات حول كل جين. وبالرغم من هذه التكلفة الحسابية الإضافية وقيودها في سيناريوهات معينة، فإن القدرة على تحديد الجينات الأكثر صلة بثقة عالية في سياقات عديدة تقدم ميزة كبيرة للباحثين الذين يحاولون فهم الجذور الجزيئية للسرطان.
في نهاية المطاف، يقدم هذا العمل منظوراً جديداً لكيفية التعامل مع الحجم الهائل من البيانات الجينية المتاحة اليوم. فمن خلال تقديم طريقة منهجية لترتيب الجينات بناءً على الأدلة الإحصائية، تساعد الطريقة الجديدة الباحثين على تركيز انتباههم على العوامل الجينية التي تهم حقاً في كثير من السيناريوهات. وهذا لا يحسن دقة تصنيف السرطان فحسب، بل يجعل النماذج الناتجة أسهل في الفهم أيضاً، لأنها تعتمد على مجموعة أصغر وأكثر دلالة من الجينات. وبالنسبة لمجال أبحاث السرطان، حيث يمكن لكل معلومة جينية أن تؤدي إلى علاجات أفضل وتشخيصات أبكر، فإن امتلاك طريقة موثوقة لفصل الإشارات الحرجة عن الضجيج الخلفي يعد خطوة حيوية للأمام، حتى وإن لم تكن الأداة مثالية بعد لكل مرض محدد أو نهج تحليلي. وتثبت الدراسة أنه باستخدام الأدوات الإحصائية الصحيحة، يمكن للعلماء التنقل في تعقيدات الجينوم البشري بفعالية أكبر، مما يقربنا من مستقبل يكون فيه تشخيص السرطان أكثر دقة وسهولة في الوصول إليه.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.