MLMarker：用于组织推断和生物标志物发现的机器学习框架

MLMarker是一种机器学习工具，用于计算蛋白质组学数据的连续组织相似性评分，以解决解释复杂或稀疏数据集的挑战。该模型基于34种健康组织训练，其随机森林模型可生成概率预测，并提供基于SHAP的蛋白质级解释。一个惩罚因子用于校正缺失蛋白质的影响，提高了对低覆盖度样本的鲁棒性。在三个公开数据集上的应用表明，MLMarker揭示了脑黑色素瘤转移灶中的脑样特征，在泛癌队列中实现了高精度预测，并在生物流体中识别出脑和垂体来源。MLMarker为组织推断和假设生成提供了一个可解释的框架，可作为Python包和Streamlit应用使用。