GATA binding protein 3

机器学习模型用于基于多组学数据的乳腺癌预测进行基准测试

研究人员使用多组学数据对几种机器学习模型进行基准测试，以预测乳腺癌的雌激素受体（ER）状态。研究发现，RNA表达数据提供了最强的预测信号，多组学整合提供了适度但持续的改进。在测试的模型中，当整合转录组学、基因组学和蛋白质组学数据时，随机森林（Random Forest）表现最佳，实现了90.3%的平衡准确率和97.1%的ROC-AUC。模型还强调了ESR1和PGR等基因的重要性，进一步证实了它们在ER状态预测中的生物学相关性。