Benchmarking Machine Learning Models for Multi-Omics-Based Breast Cancer Prediction
본 연구는 유방암의 에스트로겐 수용체 상태를 예측하기 위해 TCGA-BRCA 멀티오믹스 데이터에 대한 다양한 고전적 머신러닝 모델을 벤치마킹하였으며, 랜덤 포레스트(Random Forest)가 전사체, 유전체 및 단백질체 특징을 효과적으로 통합하고 생물학적으로 관련 있는 유전자를 식별함으로써 가장 높은 성능(균형 정확도 90.3%)을 달성했음을 밝혔다.