文献

J-GLOBAL ID：201702272081232869   整理番号：17A1251764

ランダムフォレストグラフを用いたクラスタリング単一細胞発現データ【Powered by NICT】

Clustering Single-Cell Expression Data Using Random Forest Graphs

著者 (2件)： Pouyan Maziyar Baran (Department of Electrical Engineering, Quality of Life Technology Laboratory, The University of Texas at Dallas, Richardson, TX, USA) ,  Nourani Mehrdad (Department of Electrical Engineering, Quality of Life Technology Laboratory, The University of Texas at Dallas, Richardson, TX, USA)
資料名： IEEE Journal of Biomedical and Health Informatics  (IEEE Journal of Biomedical and Health Informatics)
巻： 21  号： 4  ページ： 1172-1181  発行年： 2017年 
JST資料番号： W1135A  ISSN： 2168-2194  CODEN： IJBHA9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 脳と骨髄のような複雑な組織は複数の細胞型で構成されている。生体組織構造の研究が進行しているとして,細胞型特異的研究の役割はますます重要になっている。単一細胞サイトメトリーのような新しい配列決定技術は貴重な生物学的データへのアクセス研究者に提供する。それらの細胞の一部であるこれらのハイスループットデータセットに機械学習技術の適用組織の細胞景観への深い洞察を提供する。本論文では,著者らは単細胞サイトメトリーデータを用いた複雑な組織の異なる細胞型をプロファイルするための,新しい機械学習ベース法,ランダムフォレストベース単一細胞プロファイリングの使用を提案した。この方法は細胞マーカー依存性を捕捉し,細胞ネットワーク概念を用いた細胞個体群をモデル化するためのランダムフォレストを利用した。セルラネットワークは細胞型は組織中のは何か発見助けとなる。パブリックドメインデータセット上での実験結果は,複雑な組織の細胞集団を抽出における提案手法の有望な性能と精度を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 個体群 ,  機械学習 ,  *クラスタ化 ,  モデリング ,  生体組織 ,  骨髄
準シソーラス用語： 細胞凝集体 ,  セルラーネットワーク ,  *ランダムフォレスト ,  細胞ネットワーク ,  プロファイリング ,  機械学習技術 ,  細胞型 ,  *単一細胞 , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  医用情報処理  (JE15030Q) ,  生体遠隔測定  (EL03030N)

タイトルに関連する用語 (3件)： クラスタリング ,  単一細胞 ,  発現