Per iniziare, creare un nuovo ambiente virtuale denominato Modello di integrità con Python versione 3.7. Nella piattaforma di supercalcolo cluster Slurm, eseguire il comando Load Anaconda del modulo. Una volta eseguito il comando, sullo schermo viene visualizzato un messaggio di conferma.
Immettere Y per procedere e attendere il completamento del processo. Quindi attivare l'ambiente virtuale seguendo le istruzioni specifiche della piattaforma. Quindi, esegui il comando per installare PyTorch 1.13.1.
Installare pacchetti aggiuntivi per la geometria della torcia, ad esempio torch_scatter, torch_sparse, torch_cluster e torch_spline_convulsion, seguendo le linee guida per l'installazione. Quindi installare il pacchetto geometrico torch versione 2.2.0. Scarica il codice e il modello sanitario pre-addestrato dal sito Web di Health Informatics Lab.
Decomprimere il file nel percorso desiderato. Modificare quindi la directory di lavoro nella riga di comando nella cartella mqTrans del modello di integrità. Eseguire il comando per generare le feature mqTrans e ottenere gli output.
Le feature mqTrans verranno generate come CSV di destinazione MQ di output e il file dell'etichetta verrà salvato nuovamente come CSV dell'etichetta di output. Inoltre, i valori di espressione originali dei geni dell'mRNA saranno estratti come file di output del test target CSV. Successivamente, utilizzare l'algoritmo di selezione delle caratteristiche per selezionare le caratteristiche mqTrans.
Se si selezionano gli elementi mqTrans o gli elementi originali senza combinarli, impostare Combina su false. Selezionare 800 funzionalità originali e suddividere il set di dati in 0,8 a 0,2 per il training e il test. Per combinare le feature mqTrans con i valori dell'espressione originale per la selezione delle feature, impostare combine su true.
Sono stati identificati biomarcatori scuri con valori differenziali di mqTrans, ma espressione indifferenziale dell'mRNA. Tra le 3062 caratteristiche, sono stati rilevati 221 biomarcatori oscuri. La scarsità generale di biomarcatori oscuri è stata osservata rispetto ai biomarcatori tradizionali nella maggior parte dei tipi di cancro, ad eccezione di BRCA, MESO e TGCT.