がん分類のためのラッソとダンツィヒセレクターによる遺伝子選択の実験的比較

強い識別力を持つ遺伝子のサブセットを選択することは、遺伝子発現データに基づく分類問題の非常に重要なステップです。LassoとDantzigセレクターは、線形回帰分析において自動変数選択能力があることが知られています。このホワイトペーパーでは、ラッソとダンツィヒセレクターを適用して、遺伝子発現データの線形関数として例が正である可能性を表すための最も有益な遺伝子を選択します。選択された遺伝子は、癌分類のために異なる分類器に適合するためにさらに使用されます。比較実験は6つの公開されているがんデータセットで実施され、詳細な比較結果は、一般に、ラッソが癌分類のために有益な遺伝子を選択する際にダンツィヒセレクターよりも能力があることを示しています。

Selecting a subset of genes with strong discriminative power is a very important step in classification problems based on gene expression data. Lasso and Dantzig selector are known to have automatic variable selection ability in linear regression analysis. This paper applies Lasso and Dantzig selector to select the most informative genes for representing the probability of an example being positive as a linear function of the gene expression data. The selected genes are further used to fit different classifiers for cancer classification. Comparative experiments were conducted on six publicly available cancer datasets, and the detailed comparison results show that in general, Lasso is more capable than Dantzig selector at selecting informative genes for cancer classification.