文献

J-GLOBAL ID：201702274368909156   整理番号：17A1379992

CGHデータを用いた進行性結腸直腸癌における転移の予測【Powered by NICT】

Prediction of metastasis in advanced colorectal carcinomas using CGH data

著者 (3件)： Saghapour Ehsan (Department of Biomedical Engineering, School of advanced Technologies in Medicine, Isfahan University of Medical Sciences, Isfahan, Iran) ,  Sehhati Mohammadreza (Department of Biomedical Engineering, School of advanced Technologies in Medicine, Isfahan University of Medical Sciences, Isfahan, Iran) ,  Sehhati Mohammadreza (Medical Imaging & Signal Processing Research Center, Isfahan University of Medical Sciences, Isfahan, Iran)
資料名： Journal of Theoretical Biology  (Journal of Theoretical Biology)
巻： 429  ページ： 116-123  発行年： 2017年 
JST資料番号： A0288B  ISSN： 0022-5193  CODEN： JTBIA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 二つの非線形モデルとしてロジスティック回帰モデル(LRM)と人工ニューラルネットワーク(ANNs)は進行性結腸直腸癌における転移の予測のための新しい2段階ハイブリッドモデリング手順を確立するために使用した。二種類のデータセットを訓練と試験手順に用いた。ハイブリッドモデリング手順の第一段階では,LRMは進行性結腸直腸癌とその転移における比較ゲノムハイブリダイゼーションにより検出されたDNA配列コピー数異常の寄与を評価するために用いた。,最も効果的なパラメータは,LRMにより選択した。検出された565染色体の増幅あるいは欠失間での選択された有効パラメータは以下の通りであった:20q11の利得,1q42の損失,13q34の損失,5q12の利得,17p13の利得,2q22の損失,11q24の損失と2p11の利得。その結果,ニューラルネットワークモデルは,自己無撞着性とジャックナイフ試験中の二データベース上でのハイブリッド予測因子を構築するためにLRMによって選択されたパラメータによって構成された供給した,ハイブリッドモデルの性能を検証した。結果は,著者らの2段階ハイブリッドモデルアプローチを進めている結腸直腸癌における転移の予測のための非常に有望であることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： コピー数 ,  ニューラルネットワーク ,  データベース ,  染色体 ,  *利得
準シソーラス用語： ハイブリッドモデル ,  予測因子 ,  神経回路網モデル ,  DNA配列 ,  比較ゲノムハイブリダイゼーション ,  ハイブリッドモデリング ,  ロジスティック回帰モデル ,  非線形モデル ,  *結腸直腸癌 , 【Automatic Indexing@JST】

著者キーワード (4件)： 大腸癌 ,  比較ゲノムハイブリダイゼーション(CGH) ,  ロジスティック回帰モデル(LRM) ,  人工神経回路網(ANN)

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： CGH ,  結腸直腸癌 ,  予測