論文の概要: Tree Depth and Sample-Quality-Associated Features: Two Hidden Factors in Boruta Selection for RNA-Seq Data Classification
- arxiv url: http://arxiv.org/abs/2610.33307v2
- Date: Tue, 27 Oct 2026 07:44:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.340993
- Title: Tree Depth and Sample-Quality-Associated Features: Two Hidden Factors in Boruta Selection for RNA-Seq Data Classification
- Title（参考訳）: 樹深とサンプル品質関連特徴:RNA-Seqデータ分類のためのボルタ選抜における2つの隠れ因子
- Abstract要約: 浅木では3.5倍の遺伝子が検出され、大きなクラスのマーカーが欠落し、精度の低い50遺伝子パネルが作られました。
我々は,実生木深度から選択した冠や,ボルタより前のクラス内品質フィルタを推奨する。
- 参考スコア（独自算出の注目度）: 0.31869936453700776
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Boruta is a widely used method for selecting gene panels from RNA sequencing data, and its most used implementation recommends Random Forest trees of depth 3 to 7, an untested setting. We tested whether this setting changes which genes are selected, using pan-cancer data from The Cancer Genome Atlas (10,469 tumors, 33 cancer types) and breast cancer PAM50 subtyping (981 tumors, 5 subtypes). A leakage-free protocol fitted every label-dependent step inside training folds, measured every effect against seed-to-seed variation, and held out a locked test set per task. In pan-cancer data, shallow trees changed the selection far more than a new seed did: the top-500 overlap with unlimited-depth selections was 0.37 at depth 5, against 0.84 to 0.93 between seeds at depth 5 or unlimited depth. Shallow trees confirmed 3.5 times fewer genes, missed markers of large classes and produced less accurate 50-gene panels (balanced accuracy 0.809 vs 0.889). The effect vanished once the cap reached about 60 to 75% of the depth that unrestricted trees grow to, set mainly by the number of classes, not sample size, and leaving depth uncapped cost no accuracy in either task. The effect replicated in a second cross-validation repeat and under permutation importance. About a third of pre-filtered candidates also tracked sample quality within class; a within-class filter removed them without loss of test accuracy (balanced accuracy 0.943 vs 0.942 with 1,000 genes). We recommend uncapped trees, or a cap chosen from the realized tree depth, and a within-class quality filter before Boruta.
- Abstract（参考訳）: BorutaはRNAシークエンシングデータから遺伝子パネルを選択するために広く使われている方法であり、最もよく使われる実装は、未試験の設定である深さ3から7までのランダムフォレストツリーを推奨している。
The Cancer Genome Atlas (10,469の腫瘍,33の癌) および乳がん PAM50 subtyping (981の腫瘍, 5のサブタイプ) のパン癌データを用いて, この遺伝子が選択されるかを検討した。
ラベルに依存しないすべてのステップをトレーニングフォルダに入れ、シード・ツー・シードのバリエーションに対するすべての効果を測定し、タスク毎にロックされたテストセットを保持します。
パン・カンサーのデータでは、浅い木が新種よりもはるかに多く選抜を変えた: 無限深度選択による上位500種は、深さ5で0.37であり、深さ5で0.84から0.93である。
浅木では、3.5倍の遺伝子が検出され、大きなクラスのマーカーが欠落し、50遺伝子パネル(精度0.809対0.889)の精度が低下した。
この効果は、制限のない木が生長する深さの60から75%に達すると消滅し、主にクラス数によって設定され、サンプルサイズではなく、深さなしのコストはどちらの作業にも正確さは残されなかった。
この効果は2回目のクロスバリデーションを繰り返し、置換の重要性の下で再現された。
事前濾過された候補者の約3分の1は、クラス内のサンプルの品質を追跡し、クラス内のフィルターで検査精度を損なうことなく除去した(1000遺伝子で0.943対0.942のバランスが取れた)。
我々は,実生木深度から選択した冠や,ボルタより前のクラス内品質フィルタを推奨する。
関連論文リスト
- Observer Choice and Threshold Selection in Retinal Vessel Segmentation: A Subject-Separated Evaluation [28.97096038427138]
全28個のCHASE DB1画像と両アノテーションを用いて網膜血管分割の選択について検討した。
ランダムな森林では、マキシミンは21本中19本で閾値を変化させるが、最悪のサーバのDiceは70.53パーセントから70.45パーセントに低下する。
IdenticalObserver-1-tuned random-forest masks score 73.6% againstObserver 1 and 71.06% againstObserver 2
論文 参考訳（メタデータ） (2026-09-22T02:41:33Z) - Searching for Robust Augmentations to Improve Out-of-Domain Generalization in Dermoscopic Skin Cancer Classification [35.18016233072556]
悪性二分数非悪性一般化のロバスト性を改善するためのデータ拡張法について検討した。
データ拡張は、マルチソースISICアーカイブコレクションで検索された。
論文 参考訳（メタデータ） (2026-07-29T11:06:06Z) - Calibrated Tree-Neural Fusion for Fine-Grained Vegetation Community Classification [5.365444289459681]
Calibrated EcoTreeFuseNet-Plusはツリーニューラル確率融合フレームワークである。
提案したモデルでは精度0.8000、マクロF1スコア0.7768、バランス精度0.7903、MCC0.7903が達成された。
その結果,小さめ,きめ細かい生態分類のための信頼性の高い識別・校正トレードオフが示された。
論文 参考訳（メタデータ） (2026-07-27T08:37:49Z) - Automated Proving of Shannon-Type Entropy Inequalities via Fine-Tuned Language Models and Guided Tree Search [50.16356451328644]
シャノン型エントロピーの不等式を証明することは情報理論の基本的な課題である。
我々は,原子実証のステップを微調整した小規模大規模言語モデルがこのプロセスを自動化することができるか検討する。
GPT-5.5は0ショットプロンプトで1.7%のサンプルを解き、Psitipは33.3%のサンプルを解いた。
論文 参考訳（メタデータ） (2026-06-04T05:43:12Z) - Decision-Path Patterns as Tree Reliability Signals: Path-based Adaptive Weighting for Random Forest Classification [0.9607593117607193]
ランダムフォレストは、特徴空間の異なるランダム化された表現で各木を構築する。
彼らの一様投票は、誤った表現を持つ木が正しいものより多い地域では誤りを訂正できない。
本稿では,各木の決定経路の構造パターンをサンプルごとの信頼性信号として用いることを提案する。
論文 参考訳（メタデータ） (2026-05-20T05:15:09Z) - Self Driving Datasets: From 20 Million Papers to Nuanced Biomedical Knowledge at Scale [34.468123235616524]
PubMedは、より大きく、よりニュアンスが高く、より正確に構造化されたデータセットに、自律的で費用効率良く変換できることを示す。
本報告では,(1) バイオメディカルレポジトリを基盤としたエンティティタグパイプライン,(2) エンティティターゲットコーパスレポジトリを支援するハイブリッド検索,(3) 自然言語記述のみを付与したディープリサーチシステムであるStarlingの3つの貢献について述べる。
論文 参考訳（メタデータ） (2026-05-07T23:08:18Z) - Mamba-SSM with LLM Reasoning for Feature Selection: Faithfulness-Aware Biomarker Discovery [0.0]
TCGA-BRCA RNA-seqでMamba SSMを訓練し、勾配塩分濃度でトップ50遺伝子を抽出する。
ホールドアウト試験分割では、生の50遺伝子サリエンシセット(LSMなし)は5000遺伝子分散ベースラインよりも悪化する。
忠実度監査では、選択された17遺伝子のうち6遺伝子(35.3%)がBRCAバイオマーカーとして検証され、入力に含まれる16のBRCA遺伝子のうち10遺伝子が欠落している。
論文 参考訳（メタデータ） (2026-04-15T18:39:46Z) - End-to-End Sensitivity-Based Filter Pruning [49.61707925611295]
本稿では,各層間のフィルタの重要度を学習するための感度に基づくフィルタプルーニングアルゴリズム(SbF-Pruner)を提案する。
提案手法はフィルタ重みからスコアを学習し,各層のフィルタ間の相関を考慮できる。
論文 参考訳（メタデータ） (2022-04-15T10:21:05Z) - Automated Feature-Specific Tree Species Identification from Natural
Images using Deep Semi-Supervised Learning [0.0]
本稿では,実世界の自然環境において木を識別できる,新しい2倍の頑健なアプローチを提案する。
我々は、深い半教師付き学習を通じて、未学習データを活用し、教師付き学習よりも優れた性能を示す。
論文 参考訳（メタデータ） (2021-10-08T09:25:32Z) - SCOP: Scientific Control for Reliable Neural Network Pruning [127.20073865874636]
本稿では,科学的制御を設定することにより,信頼性の高いニューラルネットワークプルーニングアルゴリズムを提案する。
冗長フィルタは、異なる特徴の逆数過程において発見できる。
提案手法では,ResNet-101のパラメータ57.8%,FLOP60.2%を削減できる。
論文 参考訳（メタデータ） (2020-10-21T03:02:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。