抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ヒト遺伝子の発見,「疾患遺伝子」としても知られている,共発生複雑な疾患は,生物医学における新たな挑戦的な課題の一つである。遺伝子優先順位付け(GP)と呼ばれるこの過程は,最も疾患の既知疾患遺伝子の不足により,膨大な量の異質なデータを,通常遺伝子間の機能的関係の異なるタイプを記述するネットワークに符号化によって特徴づけられる。添加では,種々の疾患が共通プロファイル(例えば,遺伝的または治療プロファイル)を共有する可能性があり,疾患の共通性を利用したGP法の性能を著しく増加させる可能性がある。本研究では,いくつかの疾患類似性測度の系統的比較を提供し,既知疾患遺伝子の欠如を扱う特異的に遺伝子優先順位付けのための柔軟なフレームワークに疾患類似性と不均一データを埋め込むことを目的とする。新しいネットワークに基づいた方法,Gene2DisCo,疾患遺伝子,遺伝子相互作用ネットワークと疾患類似性に関するデータを利用して遺伝子を優先効果的に一般化線形モデル(GLM)に基づいて提示した。疾患遺伝子の不足は,効率的な負の選択手順を適用することにより,不均衡を意識したGLMsした。Gene2DisCoは柔軟なフレームワークである,特定のタイプのデータに依存しない意味で,そして/あるいは特殊な疾患オントロジー。九ヒトネットワークと708Medical SubjectH eadings(MeSH)疾患から成るベンチマークデータセットについて,Gene2DisCoはROC曲線(0.86 0.94)の両方の下で面積と与えられた再現率のレベル(段階0.1で0.1~1から想起レベル)で精度の点で,カーネル化スコア関数,最良のベンチマークアルゴリズムより性能が優れていた。さらに,全ヒトゲノムにベンチマークデータを濃縮し,拡張し,既知のアノテーション無しMeSH疾患項に対してもトップランク注釈の付けられていない候補遺伝子を提供した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】