61、肝癌显著基因表达的识别

肝癌显著基因表达的识别

1. 背景

基因表达指的是编码基因形成功能性蛋白质或 RNA 的过程，主要包括转录和翻译两个阶段。在转录阶段，以 DNA 链为模板合成 RNA 链，即初级转录物，随后初级转录物会经过修饰形成成熟的 mRNA、tRNA 或功能性 rRNA。这是基因表达的初始阶段，产生的 RNA 后续会编码蛋白质，这些蛋白质还会经历剪接、多聚腺苷酸化并被转运至细胞质。

在肝癌发生机制中，众多基因或蛋白质参与其中，导致基因表达无法正常进行。例如，细胞周期的调节因子（如 Cdk4、Cyclin I、Cyclin I、D3、CIP2）增加会引发细胞不受控制地分裂，且不进行修复；同时，本应增强基因表达调控的肿瘤抑制蛋白却减少，从而诱导肿瘤细胞（恶性）的形成。

基因表达与肝癌机制的关联促使其成为本研究的数据集。肝癌患者基因表达数据，即翻译过程中 RNA 定量转化为蛋白质的数据，均来自基因库。由于使用微阵列技术（通过分离 RNA 以匹配目标样本的方式来测量基因表达）成本高昂，导致获得的数据样本非常有限。然而，筛选过程中的基因数量却极为庞大。因此，许多研究借助机器学习的计算方法展开。

大量筛选出的表达基因带来了内存限制和计算时间过长的问题。为此，许多研究采用特征选择方法来简化肝癌疾病建模数据，包括聚类、混合 SFS 和 LASSO、随机森林、动态贝叶斯网络，或运用生物信息学工具结合统计方法，以获取基因表达显著差异的信息，并将其作为特征应用于分类机器学习算法进行检测。

本研究旨在通过增益比特征选择减少肝癌机制中表达基因的特征，从而克服计算资源的限制。

2. 相关研究

许多基于基因表达数据，运用特征选择方法对肝