Причиной возникновения рака являются изменения в генетическом аппарате клетки. Поэтому анализ геномных данных и установление генетических зависимостей в клетках открывают новые возможности для диагностики и исследования заболевания. Рак лёгких широко распространен в Республике Беларусь и отличается особо сложной диагностикой на ранних стадиях, большим количеством видов и высокой гетерогенностью клеток.

Программный пакет содержит ряд функций для самостоятельного анализа геномных данных пациентов:

1. Фильтрация и нормализация данных экспрессии генов, оценка качества входных данных;
2. Снижение размерности данных с целью выделения основных групп признаков для последующей интерпретации и визуализации данных;
3. Классификация образцов
4. Анализ дифференциально выраженных генов и биологических функций, обогащённых данными генами;
5. Сравнение результатов анализа;
6. Табличная и графическая визуализация промежуточных и итоговых результатов анализа.

Реализованные предсказательные модели типов random forest и xgboost для классификации подтипов рака легких, натренированные на значимых генах и/или на выделенных независимых компонентах. При тестировании на открытых данных TCGA LUSC/LUAD balanced accuracy составляет 97%.Оценено влияние количества независимых компонент на качество классификации.

Для статистического анализа воспроизводимости выделения биологических функций клеток разработан метод применения метрики косинусного сходства как непараметрической статистики к спискам обогащенных биологических функций. Получены зависимости косинусного сходства биологических функций в раковых клетках от количества параллельных обсчетов консенсусного метода независимых компонент.

Результаты проекта были представлены в пяти докладах на четырех международных научных конференциях