文献

J-GLOBAL ID：201702222979458980   整理番号：17A0799942

クラス予測における遺伝子選択法としてのメタ解析アプローチ:モデル性能を向上させるか?急性骨髄性白血病の事例研究

Meta-analysis approach as a gene selection method in class prediction: does it improve model performance? A case study in acute myeloid leukemia

著者 (6件)： NOVIANTI Putri W. (Univ. Medical Center Utrecht) ,  NOVIANTI Putri W. (VU Univ. medical center) ,  JONG Victor L. (Univ. Medical Center Utrecht) ,  JONG Victor L. (Erasmus Medical Center Rotterdam) ,  ROES Kit C. B. (Univ. Medical Center Utrecht) ,  EIJKEMANS Marinus J. C. (Univ. Medical Center Utrecht)
資料名： BMC Bioinformatics (Web)  (BMC Bioinformatics (Web))
巻： 18  号： Apr  ページ： 18:210 (WEB ONLY)  発行年： 2017年04月 
JST資料番号： U7025A  ISSN： 1471-2105  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 背景:メタ解析を介して実験的遺伝子発現データを集約することは,効果推定値の精度を高め,特定の倍数変化を検出するための統計力を高めると期待される。本研究では,遺伝子発現データの予測モデリングに先立って遺伝子選択法としてのメタ解析アプローチを用いることの潜在的利益を評価する。結果:急性骨髄性白血病(AML)における種々の遺伝子発現実験から得た6種の生データセットと11種の異なる分類方法を使用して,試料をAMLまたは健常対照として分類するための分類モデルを構築した。第1に,分類モデルは,従来の教師付き変数選択を用いて単一の実験からの遺伝子発現データについて訓練し,他の5つの遺伝子発現データセット(個人分類アプローチとして参照)で外部検証した。次に,4つのデータセットのメタ解析を介して遺伝子選択を行い,第5のデータセットで選択した遺伝子を用いて予測モデルを訓練し,第6のデータセットにつで検証した。幾つかのデータセットでは,メタ解析による遺伝子選択は,単一のデータセットに基づく予測モデルと比較して,分類モデルがより高い性能の達成を助けたが,他のものには大きな改善は見られなかった。合成データセットは,9シミュレーションシナリオから発生させた。差次的発現(DE)遺伝子間の,試料サイズや倍数変化および対の相関がMAおよび個体分類モデル間の差に及ぼす影響を評価した。倍数変化と対の相関は,2つの方法の間の性能の差に有意に寄与した。メタ解析アプローチによる遺伝子選択は,DE遺伝子に関する低倍率変化と高い対の相関を有するデータのセットを用いて実施した場合により有効であった。結論:以前に発表された研究のメタ解析による遺伝子選択は,潜在的に所与の遺伝子発現データに対する予測モデルの性能を改善する。(翻訳著者抄録)

シソーラス用語： *メタ分析 ,  *遺伝現象 ,  改良 ,  *急性骨髄性白血病 ,  *データ ,  精度 ,  集合 ,  モデル ,  自動分類 ,  遺伝子発現 ,  *予測モデル
準シソーラス用語： *メタ解析 ,  *遺伝子選択 ,  性能向上 ,  *遺伝子発現データ ,  推定精度 ,  データセット ,  分類法 ,  分類モデル ,  教師付き分類 ,  差次的発現

分類 (4件)： 理論生物学一般  (EA02010D) ,  遺伝子発現  (EC02040Q) ,  先天性疾患・奇形一般  (GD03010V) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (7件)： クラス ,  予測 ,  遺伝子選択 ,  メタ解析 ,  モデル ,  急性骨髄性白血病 ,  研究