整合miRNA表达谱识别癌亚型特异miRNA的任务书.docx

整合miRNA表达谱识别癌亚型特异miRNA的任务书
任务书
背景介绍：
癌症是一类严重的疾病，每年有大量患者死于癌症，不仅给患者家庭带来重大负担，也给社会带来不小的经济负担。针对不同癌症，目前已经发现了不同的癌亚型。癌亚型的发现不仅有助于治疗策略的制定，也能更有效地预测患者的生存和转归。因此，寻找癌亚型特异的选择性miRNA，有助于建立更有效的治疗策略和提高癌症患者的生存率。
任务内容：
本次识别任务的数据集是miRNA表达谱数据集，对于一个已知的癌症样本数据集，应该从中识别出能够区分不同亚型的特异性miRNA，实现对癌症亚型的有效分类。具体任务包括以下几个方面：
1.数据预处理
miRNA表达谱数据通常具有高维、低样本量和噪声等常见特点，对于这些问题，我们需要充分考虑并进行相应的预处理，包括数据清洗、标准化、维度缩减等。
2.特异性miRNA提取
针对癌亚型之间的差异性，应该利用合适的学习算法，从miRNA表达谱数据中提取出特异性miRNA。这方面可以使用监督学习方法，如基于逻辑回归、SVM等分类器的特征选择算法，或者使用无监督学习方法，如聚类等算法。
3.亚型分类
在提取特异性miRNA后，可以通过构建分类模型来进行亚型分类。分类模型可以使用常见的分类方法，如逻辑回归、SVM等，或者使用深度学习方法，如神经网络等。
4.结果评估
在完成亚型分类之后，应该对结果进行评估，包括计算分类的准确率、召回率、F1分数等指标，并比较不同算法之间的性能差异。
任务要求：
1.熟练掌握python等相关编程语言，了解常见的数据处理、学习算法和评估方法。
2.对miRNA表达谱数据的预处理有一定了解，能够对数据进行清洗和标准化等操作。
3.对于特异性miRNA的提取，应该掌握常见的特征选择和聚类算法，能够合理选择算法并对其进行优化。
4.对建立分类模型有一定的了解，能够使用常见的分类器，并对深度学习算法有所了解。
5.能够熟练地使用评估方法，能够理解不同指标的含义并进行计算。
6.能够按照要求，合理规划和组织任务，完成任务书中所列任务。
7.具有团队合作能力，能够与其他成员进行有效的协作，并能够完成任务的分工和汇总。
参考文献：
1.Liu,S.,Chen,X.,Liang,B.,Ruan,J.,andLi,J.(2018).AnunsupervisedfeatureselectionmethodformiRNAexpressiondatatoeffectivelyclassifytumortypes.BMCBioinformatics,19,501.
2.Diaz-Delgado,M.,Castellanos-Martinez,E.,Esparza-Baquer,A.,andFernandez-Alcalde,C.(2019).PredictiveclassificationoflungcancersubtypesusingadeeplearningframeworkbasedonmiRNAexpressiondata.BMCBioinformatics,20,281.
3.Hu,Z.,andFei,X.(2019).IdentifyingmiRNAexpressionprofilesthatdistinguishdifferentsubtypesofbreastcancer.IntJMolSci,20,5396.