文献

J-GLOBAL ID：201902232995327791   整理番号：19A1139430

精密腫瘍学応用における薬物応答予測のための機械学習と特徴選択【JST・京大機械翻訳】

Machine learning and feature selection for drug response prediction in precision oncology applications

著者 (5件)： Ali Mehreen (Institute for Molecular Medicine Finland (FIMM), University of Helsinki, Helsinki, Finland) ,  Ali Mehreen (Helsinki Institute for Information Technology (HIIT), Aalto University, Espoo, Finland) ,  Aittokallio Tero (Institute for Molecular Medicine Finland (FIMM), University of Helsinki, Helsinki, Finland) ,  Aittokallio Tero (Helsinki Institute for Information Technology (HIIT), Aalto University, Espoo, Finland) ,  Aittokallio Tero (Department of Mathematics and Statistics, University of Turku, Turku, Finland)
資料名： Biophysical Reviews  (Biophysical Reviews)
巻： 11  号： 1  ページ： 31-39  発行年： 2019年 
JST資料番号： W4110A  ISSN： 1867-2469  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 癌細胞株または患者腫瘍から測定された複数のオミクスデータ間の複雑な相互作用の詳細なモデリングは,個々の癌患者に対する調整された治療法の同定に向けた新しい機会を提供する。教師付き機械学習アルゴリズムは,特徴選択と交差検証により同定された応答予測バイオマーカーの多重オミックパネルを用いた治療応答の個人化予測と同様に,高次元データセット間の統合的解析を可能にするので,オミクスプロファイルにますます適用されている。しかし,入力「大規模データ」における技術的変動性と頻繁な誤解は,しばしば情報の損失と生物学的信号の圧縮された視点に導く専用データ前処理パイプラインの応用を必要とする。ここでは,抗癌剤応答モデリングと予測のための最先端の機械学習法を記述し,それらの表現型応答を予測する際に,抗癌化合物により標的化された癌経路に関する知識と共に,高次元多重オミクスプロファイルをより良く利用するための将来の展望を示した。Copyright 2018 The Author(s) Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *予測 ,  バイオマーカー ,  *機械学習 ,  モデリング ,  ターゲティング ,  相互作用 ,  表現型 ,  ヒト ,  *腫瘍 ,  アルゴリズム ,  *特徴選択 ,  多重化 ,  抗腫瘍薬 ,  治療法
準シソーラス用語： オミックス ,  個性化 , 【Automatic Indexing@JST】

著者キーワード (6件)： 精密腫瘍学 ,  オミックスプロファイリング ,  薬物応答予測 ,  予測バイオマーカー ,  多視点回帰 ,  特徴選択

分類 (1件)： 分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (6件)： 腫瘍学 ,  応用 ,  薬物応答 ,  予測 ,  機械学習 ,  特徴選択