Приложение методов машинного обучения к анализу геномных данных

В данном исследовании проводится предварительная оценка зависимости между горячими точками разрывов при раке и такими вторичными структурами ДНК, как структуры «стебель-петля» и квадруплексы. Для проверки этой гипотезы была разработана методика построения и оценки моделей машинного обучения, в основе которой лежит алгоритм случайного леса. Выявлено, что, в целом, зависимость между точками разрывов при раке и рассматриваемыми вторичными структурами существует, но слаба. При этом лучшие модели для каждого типа рака показали лифт покрытия от 1,25 до 2,86 для моделей на основе структур «стебель-петля» и от 1,02 до 10 для моделей на основе квадруплексов по сравнению со случайным выбором. Если подобрать оптимальную модель для каждого типа рака, то для рака поджелудочной железы, простаты, яичников, матки, головного мозга и печени лучшими являются модели на основе структур «стебель-петля», а для остальных – рака крови, кости, кожи и молочной железы – модели на основе квадруплексов.