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(shù)據(jù)庫(kù)中篩選了393例大腸癌患者（結(jié)腸癌298例，直腸癌95例），提取其轉(zhuǎn)錄組測(cè)序數(shù)據(jù)并借助隨機(jī)森林（random forest，RF）與支持向量機(jī)（support vector machines，SVM）等機(jī)器學(xué)習(xí)算法進(jìn)行分類，尋找結(jié)腸癌與直腸癌的分子特征（圖1）。
在總共20502個(gè)基因中，隨機(jī)森林算法篩選出96個(gè)區(qū)分結(jié)腸癌與直腸癌的特征性分類基因集群，發(fā)現(xiàn)HOXB13、PRAC和BCLAF1是其中三個(gè)差異表達(dá)最大的基因。進(jìn)一步，建立包含196個(gè)CRC樣本（151結(jié)腸癌，45直腸癌）的訓(xùn)練集，對(duì)該96個(gè)基因進(jìn)行基于SVM方法的模型構(gòu)建，并以剩余197個(gè)CRC樣本（147結(jié)腸癌，50直腸癌）作為驗(yàn)證集，驗(yàn)證模型的分類性能。最終，該模型在區(qū)分結(jié)腸癌和直腸癌樣本方面的準(zhǔn)確度達(dá)到82.2%，AUC為0.91（圖2）。
