文献

J-GLOBAL ID：201802238008814878   整理番号：18A1386801

自殺および非自殺死を予測するためのDNAメチル化データ:機械学習アプローチ【JST・京大機械翻訳】

DNA Methylation Data to Predict Suicidal and Non-Suicidal Deaths: A Machine Learning Approach

著者 (3件)： Zahan Rifat ,  McQuillan Ian ,  Osgood Nathaniel
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICHI  ページ： 363-365  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 自殺は死亡の主要原因の1つである。主要な予測障害(MDD)は自殺の危険因子の1つである。後成的データは自殺および非自殺死を区別するのに役立つ可能性がある。本研究の目的は,DNAメチル化データから自殺および非自殺死を予測するために機械学習を使用することである。20人の対照症例(非精神的突然死)からの20人の自殺症例(主要な抑うつ障害後に死亡した)を区別するために,2つの皮質脳領域(Brodmann Area11[BA11]とBrodmann Area25[BA25])の組織からのメチル化DNAプローブ強度の正規化値から成る既存の二次データを分類するためにサポートベクトルマシン(SVM)を用いた。分類の前に,データの次元を減少させるために,主成分分析(PCA)とt分布確率近傍埋め込み(t-SNE)を採用した。PCAと比較して,現代のデータ可視化法t-SNEは次元縮小においてより良く機能する。t-SNEから得られた出力をSVMに対する訓練データとして用いた4重交差検証を適用した。分類のための受信者動作特性曲線(ROC)は,BA25データに対する曲線(AUC)の80%領域とBA11に対する100%AUCを示した。本研究は,DNAメチル化データから自殺および非自殺死を分類するためのベースライン研究を構成する。より大きなサンプルサイズによる将来の研究は,バイアスを低減し,結果の精度を改善する可能性がある。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 急死 ,  正規化 ,  皮質 ,  主成分分析 ,  *メチル化 ,  危険因子 ,  バイアス ,  次元縮小 ,  *機械学習 ,  *予測 ,  t分布 ,  サポートベクトルマシン ,  *自殺
準シソーラス用語： ROC曲線 ,  *DNAメチル化 , 【Automatic Indexing@JST】

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 (4件)： 自殺 ,  予測 ,  DNAメチル化 ,  機械学習