文献
J-GLOBAL ID:201902279273526848   整理番号:19A0710466

メチル化ゲノム情報の組込みは薬物治療応答の予測精度を改善する【JST・京大機械翻訳】

Incorporating methylation genome information improves prediction accuracy for drug treatment responses
著者 (14件):
資料名:
巻: 19  号:ページ: 78  発行年: 2018年 
JST資料番号: U7366A  ISSN: 1471-2156  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: イギリス (GBR)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
証拠の蓄積は,ヒト疾患の病因を説明する後成的因子の重要な役割を明らかにした。いくつかの経験的研究は,疾患予測のためのモデルにメチル化データを成功裏に組み込んだ。しかし,異なるタイプのオミクスデータを予測モデルに統合することは依然として課題であり,予測に対するメチル化情報の寄与は完全に明らかにされていない。人工神経回路網に基づいて層別化薬物応答予測モデルを構築し,フェノフィブラート介入後の循環トリグリセリド濃度の変化を予測した。関連する一塩基多型(SNP),選択したシトシン-ホスファート-グアニン(CpG)部位のメチル化,年齢,性および喫煙状態を予測因子として含めた。選択されたSNPによるモデルは,43.65%の平均5倍の交差検証予測誤差率を達成した。モデルにメチル化情報を加えた後,誤差率は41.92%に低下した。有意なSNP,CpG部位,年齢,性および喫煙状態の組合せは,41.54%の最低予測誤差率を達成した。SNPデータだけを用いることと比較して,予測モデルにおけるメチル化データの追加は,誤差率をわずかに改善した。さらなる予測誤差減少は,ゲノム,メチル化ゲノム,および環境因子の組合せによって達成される。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
牛 
引用文献 (27件):
もっと見る

前のページに戻る