bio-machine-learning-biomarker-discovery

用途：从高维组学数据中筛选生物标志物特征。核心是先区分“全相关”与“最小最优”两类问题：想枚举所有携带信号的基因（含冗余共表达基因）用全相关方法（如Boruta）；想要最小可预测集合用弹性网络等最小最优方法；若需可复现的稳定签名，则用弹性网络或稳定性选择。主要能力与方法包括：Boruta（与置换的shadow特征比较，输出Confirmed/Tentative/Rejected）、mRMR（相关性减冗余）、RFE/SVM-RFE、LASSO、弹性网络、t检验/SelectKBest等。关键限制：最小最优集合非唯一且不稳定，其成员缺失不代表无关；选择必须在交叉验证折内进行，否则性能虚高；应报告稳定性指数（常用选择频率阈值约0.6–0.9），并与等大小随机基因集及增殖元基因基线比较。单细胞数据应按供体做pseudobulk，在供体层面选择。BorutaPy需numpy数组，新版numpy移除np.float/np.int会报错；scikit-learn 1.8+中LogisticRegression(penalty=)已弃用，弹性网络仅saga求解器支持。示例命令与代码保持原文，使用前应核对已安装版本。适宜做生物标志物发现、通路分析、构建可部署签名的研究人员。缺失信息：官方文本暂未提供。