An Extension of TSP-family Algorithms for Microarray Classification

Classification of microarray data and generation of simple and efficient decision rules may be successfully performed with Top Scoring Pair algorithms. TSP-family methods are based on pairwise comparisons of gene expression values. This paper presents a new method, referred as Linked TSP that extends previous approaches kˇTSP and Weight kˇTSP algorithms by linking top pairwise mRNA comparisons of gene expressions in different classes. Opposite to existing TSP-family classifiers, the proposed approach creates decision rules involving single genes that most frequently appeared in top scoring pairs. Motivation of this paper is to improve classification accuracy results and to extract simple, readily interpretable rules providing biological insight as to how classification is performed. Experimental validation was performed on several human microarray datasets and obtained results are promising.

Klasyfikacja danych mikromacierzowych a także późniejsza interpretacja reguł decyzyjnych może być skutecznie przeprowadzona za pomocą metod z rodziny Top Scoring Pair, polegających na analizie par genow o przeciwstawych poziomach ekspresji w róźnych klasach. W poniższym artykule zaprezentowano nową metodę: Linked TSP, ktora rozszerza działanie klasyfikatorów k-TSP i Weight k-TSP. W przeciwieństwie do algorytmow z rodziny TSP proponowane rozwiązanie tworzy reguły decyzyjne zbudowane z pojedynczych genów, co znacznie ułatwia ich późniejszą interpretację medyczną. W algorytmie wykorzystywane są pary genow uzyskane z algorytmow TSP z których następnie, wybierane są pojedyncze, najczęściej powtarzające się geny. Testy algorytmu Linked TSP przeprowadzone zostająy na rzeczywistych zbiorach danych pacjentow a uzyskane wyniki są obiecujące.