流程发布 | 一站式生物标志物挖掘的在线机器学习工具——OML

图注：OML网站首页展示

OML纳入的是机器学习算法中的有监督学习算法，包含8种常用的回归算法（如线性回归、岭回归、套索回归、弹性网络回归、贝叶斯岭回归、支持向量机、k 最近邻、随机森林）和10种常用分类算法（逻辑回归、支持向量机、高斯朴素贝叶斯、K-最近邻、随机森林、AdaBoost、GradientBoosting、Xgboost、LightGBM、CatBoost），可以满足临床医学中的大部分课题研究。

OML将算法挖掘标志物的过程分为7个模块， 模块在OML的左边栏显示， 每个模块使用方法均在OML首页有详细介绍。

图注：OML实现标志物筛选的7个模型和使用先后顺序的流程图

允许用户上传数据，可以是后缀为xlsx、xls、csv、txt的文件。当然，为了用户快速熟悉OML，OML自带分类和回归的示例数据，示例数据均来源文献中。

设置机器学习算法中的因变量和自变量。自变量通常是组学分子，因变量可以是疾病分组，临床某个指标等等。

 对数据进行归一化，OML提供多种候选归一化方法。

组学分子的特征初筛，对分类和回归均采用2种算法来评估用户上传数据中所有特征的重要性，帮助用户可以快速找到最重要的Top特征。

允许用户自定义输入关键的组学分子，可以是模块4的Top分子，可以是差异分子，也可以是用户感兴趣的目标分子。

 实现训练集和测试集的分割，兼顾交叉验证和百分比分割的功能，用户可以根据上传数据量样本数目的多少决定使用其中一个。OML推荐小样本使用交叉验证，大样本使用百分比分割。

实现算法建模。OML列出所有算法需要调试的最重要参数集并给出使用说明，允许用户自行调整参数。当用户选择一个算法并设置好参数后可点击“Submit”， OML将自动建模，建模完成后会展示多种模型评估指标和相关图表。OML鼓励用户尝试多个算法对上传数据进行测试，并选择最好的算法模型。

图注：分类模型的ROC曲线和PRC曲线

图注：分类模型的混淆矩阵

图注： SHAP评估模型特征重要性

图注： OML重现文献数据孕周预测模型

经测试，OML可以重现文献的数据模型结果，运行稳定可靠。用户不需要任何编程基础，只需了解机器学习中少量术语便可轻松使用OML。OML揭开机器学习建模的黑盒子，让用户能真正参与到模型构建，可以成为数据建模的有效工具。

欢迎大家使用我们的工具，如果您在使用过程中遇到任何问题，可以随时和我们联系：info@untangledbio.com。