UnincolAn Integrated Machine Learning and Genomic Framework for Precise Detection of Gastric CancerEshmalImanauthorSohailJabbarauthorShabanaRamzanauthorAliRazaauthorFarwaRaoofauthorStefaníaCarvajal-AltamirandaauthorVivianLipariauthorImranAshrafauthorThis study presents a novel integrative approach for the analysis of high-dimensional gene expression data, leveraging the complementary strengths of unsupervised clustering and supervised classification. Using K-means clustering, the dataset is stratified into three distinct clusters, revealing intrinsic biological patterns and relationships. The resulting cluster assignments are subsequently employed as pseudo-labels to train machine learning models, including support vector machines, random forest, and a stacking ensemble classifier. To validate and enhance the robustness of clustering, complementary methodologies such as hierarchical clustering and DBSCAN are employed, with results visualized through PCA-driven dimensionality reduction. The high predictive accuracy achieved by the classifiers underscores the separability and reliability of the identified clusters. Furthermore, feature importance analysis highlighted key genetic determinants within each cluster, offering actionable insights into potential biomarkers and critical genomic features. This framework bridges the gap between exploratory unsupervised learning and predictive supervised modeling, providing a scalable and interpretable methodology for analyzing complex genomic datasets. Its applicability extends to biomarker discovery, patient stratification, and other precision medicine applications, emphasizing its utility in advancing genomic research and clinical practice.BiomedicinaIngeniería2026-05Artículo

Para trabajos depositados por su propio autor: Al auto-archivar esta colección de ficheros y metadatos bibliográficos asociados, otorgo a Unincol el derecho para almacenarlos y ponerlos a disposición pública permanentemente de un modo gratuito y en línea. Declaro que este material es de mi propiedad intelectual y entiendo que Unincol no asume ninguna responsabilidad en caso de que se produzca una violación de derechos de propiedad al distribuir estos ficheros o metadatos. (Se insta encarecidamente a todos los autores a destacar sus derechos de autor en la página de título de su trabajo.)

Para trabajos depositados por otras personas distintas a su autor: Por la presente, declaro que la colección de ficheros y metadatos bibliográficos asociados que estoy archivando en Unincol) es de dominio público. Si este no fuese el caso, acepto totalmente la responsabilidad por cualquier infracción de derechos de autor que conlleve la distribución de estos ficheros o metadatos.

Pulsar sobre el botón de depósito indica que está de acuerdo con estos términos.