The growing volume and complexity of gene expression data necessitate biologically meaningful and statistically robust methods for feature selection to enhance the effectiveness of disease diagnosis systems. The present study addresses this challenge by proposing a pipeline that integrates RNA-seq data preprocessing, differential gene expression analysis, Gene Ontology (GO) enrichment, and ensemble-based machine learning. The pipeline employs the non-parametric Kruskal–Wallis test to identify differentially expressed genes, followed by dual enrichment analysis using both Fisher’s exact test and the Kolmogorov–Smirnov test across three GO categories: Biological Process (BP), Molecular Function (MF), and Cellular Component (CC). Genes associated with GO terms found significant by both tests were used to construct multiple gene subsets, including subsets based on individual categories, their union, and their intersection. Classification experiments using a random forest model, validated via 5-fold cross-validation, demonstrated that gene subsets derived from the CC category and the union of all categories achieved the highest accuracy and weighted F1-scores, exceeding 0.97 across 14 cancer types. In contrast, subsets derived from BP, MF, and especially their intersection exhibited lower performance. These results confirm the discriminative power of spatially localized gene annotations and underscore the value of integrating statistical and functional information into gene selection. The proposed approach improves the reliability of biomarker discovery and supports downstream analyses such as clustering and biclustering, providing a strong foundation for developing precise diagnostic tools in personalized medicine.

У статті розглянуто актуальну задачу забезпечення зручності користування цифровими інтерфейсами на ранніх стадіях їх проєктування. Обґрунтовано необхідність переходу від інтуїтивного до системного підходу в прототипуванні через ускладнення програмних продуктів та ризики накопичення архітектурних помилок. Запропоновано підхід до виявлення ключових факторів якості інтерфейсів на основі систематизованого літературного огляду. На основі визначених дослідницьких питань розроблено структурований пошуковий запит, що поєднує терміни об'єктної області, метрики якості та методологічні фільтри. Формування вибірки та аналіз джерел виконано з використанням міжнародного методологічного протоколу PRISMA, що дозволило відібрати 19 релевантних повнотекстових наукових праць з баз Scopus та Web of Science Core Collection. Виокремлено та систематизовано чотири ключові групи факторів, що здійснюють суттєвий вплив на зручність користування: структурно-логічні, візуального сприйняття, контексту використання та рівня деталізації прототипу. Розроблено класифікацію типових проблем взаємодії, серед яких домінують навігаційні розриви, зумовлені проєктуванням від внутрішньосистемної ієрархії, візуально-ергономічне перевантаження екранів, дефіцит системного зворотного зв'язку та когнітивно-емоційне виснаження користувачів. Практичне значення отриманих результатів полягає у можливості використання сформованої бази для розроблення спеціалізованих інженерних чек-листів та алгоритмів евристичного оцінювання інтерфейсів. Застосування результатів дозволяє підвищити точність проєктування, оптимізувати витрати на тестування та мінімізувати ризики перероблення архітектури на стадії написання програмного коду.