통합 마이크로어레이 데이터를 이용한 유방암의 분자적 서브타입의 분류 (Classification of Molecular Sub-types of Breast Cancer Using Integrated Gene Expression Data)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 13권 / 2호 / 163 ~ 173페이지
· 저자명 : 이지연, 황유현, 윤영미, 오민

초록

유방암의 분자적 서브타입은 Basal-like, Luminal A, Luminal B, ERBB2/HER2+가 있으며 환자의 예후에 많은 영향을 미치는 중요한 요소이다. 따라서 최적의 치료 방법 선택 시 서브타입을 정확하게 진단하는 것은 매우 중요하다. 그러나 복수 개의 클래스 문제로, 서브타입의 정확한 예측이 힘들며, 기존 연구에서 비교적 높은 정확도를 보이지 못하였다. 마이크로어레이는 많은 유전자 발현 값을 포함하므로 질병의 발현 형질 분류에 유용하게 쓰인다. 하지만, 기존 연구들에서 개별적으로 얻어진 마이크로어레이 데이터의 샘플 수가 제한적이기 때문에 정확한 분석을 위해 데이터를 통합하여 샘플 수를 늘리는 것은 중요한 요소이다. 본 논문에서는 유전자 발현량의 순위를 이용하여 데이터를 정규화 및 통합하고 Naive Bayes, Lib-SVM, C4.5을 사용하여 분류정확도를 구한다. 높은 분류정확도를 유지하고 가장 적은 수의 인포머티브 유전자를 이용하여 유전자온톨로지 분석을 한다. 또한 통계적으로 유의한 (p-value < 0.01) 104개의 GO-Term 중에서 암과 관련된 11개의 GO-Term을 찾고 그에 속하는 유전자를 제시하였다.

영어초록

There are molecular sub-types in breast cancer which are Basal-like, Luminal A, Luminal B, and ERBB2/HER2+. These subtypes are major factors to prognosis. Prediction of correct sub-type helps doctors to choose best treatment for patient, and is critical factor which affects prognosis of patient consequently. However, predicting the class of sub-types is not easy due to multi-class classification, accordingly the classifiers of existing studies show low accuracy. Microarray data contains many gene expression, and has been used for predicting phenotypes of numerous cancers. However, the number of samples in each microarray data set is limited. Increasing the number of data by integrating data is important for high classification accuracy. In our study, we integrate data by ranking the gene expression values, and build sub-type classifiers using NaiveBayes, Lib-SVM, C4.5. We run gene ontology enrichment analysis with small number of informative genes which still give high classification accuracy. Among 65 Go-Terms which are statistically significant (p-value < 0.01), we identified 11 cancer relating GO-terms, and suggested a set of genes which belong to those GO-terms.

참고자료

· 없음