文献

J-GLOBAL ID：201902289299355063   整理番号：19A1819680

医学における赤血球動的抗原貯蔵の機械学習の適用【JST・京大機械翻訳】

Applying Machine Learning of Erythrocytes Dynamic Antigens Store in Medicine

著者 (5件)： Rafea Mahmoud (Central Lab of Agriculture Expert Systems, Giza, Egypt) ,  Elkafrawy Passant (Mathematics and Computer Science Department, Faculty of Science, Menoufia University, Shibin El Kom, Egypt) ,  Nasef Mohammed M. (Mathematics and Computer Science Department, Faculty of Science, Menoufia University, Shibin El Kom, Egypt) ,  Elnemr Rasha (Central Lab of Agriculture Expert Systems, Giza, Egypt) ,  Jamal Amani Tariq (Computer Science Department, Faculty of Computing and Information Technology, King Abdulaziz University, Jeddah, Saudi Arabia)
資料名： Frontiers in Molecular Biosciences (Web)  (Frontiers in Molecular Biosciences (Web))
巻： 6  ページ： 19  発行年： 2019年 
JST資料番号： U7081A  ISSN： 2296-889X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 赤血球動的抗原ストレス(EDAS)は新しい発見である。EDASは自己抗原と外来(非自己)抗原から成る。感染性疾患または悪性腫瘍患者において,感染微生物または悪性腫瘍の抗原がEDASに存在する。データベースにおける正常な個人と患者のEDASの貯蔵は,少なくとも2つの利点がある。最初に,EDASは,研究者が研究室診断試験とワクチンの新しいラインを開発することを可能にする疾患を代表するバイオマーカーを決定するために採掘することができる。第二に,EDASは直接的に質問でき,多くの実験室試験を行う必要のない正確な診断に到達することができる。標的は特定の疾患に対するバイオマーカーとして使用できる蛋白質の最小セットを見出すことである。仮想的なEDASを作成した。数千の記録をランダムに生成した。バイオマーカー発見と直接診断のために提案した技術と共に仮想EDASの数学モデルを記述した。現実に起こる可能性のある異なる可能性を実験した。バイオマーカーの蛋白質は病原体と悪性腫瘍に対して同定され,診断が困難な条件の診断に使用できる。提示したツールは疾患を診断するための臨床検査室で使用できる。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： 感染症 ,  データベース ,  診断 ,  タンパク質 ,  *赤血球 ,  ワクチン ,  *機械学習 ,  自己抗原 ,  微生物 ,  数学モデル ,  バイオマーカー ,  病原体 ,  *抗原
準シソーラス用語： 悪性腫瘍 , 【Automatic Indexing@JST】

著者キーワード (6件)： 質量分析 ,  疾患診断 ,  赤血球動的抗原貯蔵(EDAS) ,  バイオマーカー ,  臨床におけるコンピュータツール ,  数学モデル

分類 (1件)： 生物学的機能  (EB03040U)

引用文献 (29件)：

• American Cancer Society (2017). Cancer Facts and Figures. Atlanta, GA: American Cancer Society.
• Barnes M. R., Gray I. C. (2003). Bioinformatics for Geneticists. Chichester, England: John Wiley & Sons Ltd.
• Borrebaeck C. A. (2017). Precision diagnostics: moving towards protein biomarker signatures of clinical utility in cancer. Nat. Rev. Cancer 17, 199-204. doi: 10.1038/nrc.2016.153
• Brennan D. J., O'Connor D. P., Rexhepaj E., Ponten F., Gallagher W. M. (2010). Antibody-based proteomics: fast-tracking molecular diagnostics in oncology. Nat. Rev. Cancer 10, 605-617. doi: 10.1038/nrc2902
• Bryk A. H., Wisniewski J. R. (2017). Quantitative analysis of human red blood cell proteome. J. Proteome Res. 16, 2752-2761. doi: 10.1021/acs.jproteome.7b00025

タイトルに関連する用語 (5件)： 医学 ,  赤血球 ,  抗原 ,  貯蔵 ,  機械学習