允英醫(yī)療與江蘇省腫瘤醫(yī)院合作，在癌癥基因組圖譜（the cancer genome atlas，TCGA）公共數據庫中篩選了393例大腸癌患者（結腸癌298例，直腸癌95例），提取其轉錄組測序數據并借助隨機森林（random forest，RF）與支持向量機（support vector machines，SVM）等機器學習算法進行分類，尋找結腸癌與直腸癌的分子特征（圖1）。
在總共20502個基因中，隨機森林算法篩選出96個區(qū)分結腸癌與直腸癌的特征性分類基因集群，發(fā)現HOXB13、PRAC和BCLAF1是其中三個差異表達最大的基因。進一步，建立包含196個CRC樣本（151結腸癌，45直腸癌）的訓練集，對該96個基因進行基于SVM方法的模型構建，并以剩余197個CRC樣本（147結腸癌，50直腸癌）作為驗證集，驗證模型的分類性能。最終，該模型在區(qū)分結腸癌和直腸癌樣本方面的準確度達到82.2%，AUC為0.91（圖2）。
