文献

J-GLOBAL ID：201802231221467918   整理番号：18A0325306

マイクロRNA発現プロフィルからの特徴部分集合ベースアンサンブルを用いたマルチクラス癌分類【Powered by NICT】

Multiclass cancer classification using a feature subset-based ensemble from microRNA expression profiles

著者 (3件)： Piao Yongjun (Database/Bioinformatics Laboratory, College of Electrical & Computer Engineering, Chungbuk National University, Cheongju, 28644, South Korea) ,  Piao Minghao (Department of Computer Engineering, Dongguk University Gyoengju Campus, 38066, South Korea) ,  Ryu Keun Ho (Database/Bioinformatics Laboratory, College of Electrical & Computer Engineering, Chungbuk National University, Cheongju, 28644, South Korea)
資料名： Computers in Biology and Medicine  (Computers in Biology and Medicine)
巻： 80  ページ： 39-44  発行年： 2017年 
JST資料番号： E0858A  ISSN： 0010-4825  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： 癌分類は癌治療における研究の重要な話題となっている。過去10年間に,メッセンジャーRNA(mRNA)発現プロファイルは,異なるタイプの癌を分類するために広く使用されている。低分子非コードRNAの新しいクラスの発見によりマイクロRNA(miRNA)として知られている,様々な研究はmiRNAの発現パターンは,ヒト癌を正確に分類できることを示した。,miRNA発現データを用いた癌の様々なタイプを正確に分類するために機械学習アプローチの開発に対する大きな要求がある。本論文では,各モデルは重複癌を分類するために元の特徴空間の異なる投影から学んだ特徴の部分集合ベースアンサンブル法を提案した。著者らの方法では,特徴関連性と冗長性は複数の特徴サブセットを発生させると考えられている,ベース分類器は各独立miRNAサブセットから学習されると,平均事後確率を用いて,ベース分類器を結合する。提案手法の性能を試験するために,著者らはビーズベースと配列に基づくmiRNA発現データセットを用い,10倍およびleave-one-out交差検証を行った。実験結果は,提案した方法は良好な結果が得られ,一般的なアンサンブル法よりも高い予測精度を持つことを示した。提案した方法のJavaプログラムとソースコードと実験のデータセットはhttps://sourceforge.net/projects/mirna ensemble/で自由に利用できる。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： mRNA ,  Java ,  データマイニング ,  ヒト ,  機械学習 ,  事後確率 ,  *部分集合 ,  冗長性
準シソーラス用語： ソースコード ,  予測精度 ,  アンサンブル法 ,  特徴空間 ,  遺伝子発現プロファイリング ,  *癌分類 ,  *マイクロRNA , 【Automatic Indexing@JST】

著者キーワード (4件)： 癌分類 ,  データマイニング ,  アンサンブル学習 ,  miRNA発現

分類 (2件)： 分子・遺伝情報処理  (JE15040B) ,  遺伝子発現  (EC02040Q)

タイトルに関連する用語 (9件)： マイクロRNA ,  発現 ,  プロフィル ,  特徴部分 ,  集合 ,  アンサンブル ,  マルチ ,  クラス ,  癌分類