允英医疗与江苏省肿瘤医院合作，在癌症基因组图谱（the cancer genome atlas，TCGA）公共数据库中筛选了393例大肠癌患者（结肠癌298例，直肠癌95例），提取其转录组测序数据并借助随机森林（random forest，RF）与支持向量机（support vector machines，SVM）等机器学习算法进行分类，寻找结肠癌与直肠癌的分子特征（图1）。

    在总共20502个基因中，随机森林算法筛选出96个区分结肠癌与直肠癌的特征性分类基因集群，发现HOXB13、PRAC和BCLAF1是其中三个差异表达最大的基因。进一步，建立包含196个CRC样本（151结肠癌，45直肠癌）的训练集，对该96个基因进行基于SVM方法的模型构建，并以剩余197个CRC样本（147结肠癌，50直肠癌）作为验证集，验证模型的分类性能。最终，该模型在区分结肠癌和直肠癌样本方面的准确度达到82.2%，AUC为0.91（图2）。