文献

J-GLOBAL ID：202002234571826727   整理番号：20A2502751

サポートベクトルマシン法を用いた前立腺癌における遺伝子発現の分類【JST・京大機械翻訳】

Classification of genetic expression in prostate cancer using support vector machine method

著者 (4件)： Komarudin S A (Departmen of Mathematics, Faculty of Mathematics and Natural Science, University of Jember, Jember, Indonesia) ,  Anggraeni D (Departmen of Mathematics, Faculty of Mathematics and Natural Science, University of Jember, Jember, Indonesia) ,  Riski A (Departmen of Mathematics, Faculty of Mathematics and Natural Science, University of Jember, Jember, Indonesia) ,  Hadi A F (Departmen of Mathematics, Faculty of Mathematics and Natural Science, University of Jember, Jember, Indonesia)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1613  号： 1  ページ： 012032 (10pp)  発行年： 2020年 
JST資料番号： W5565A  ISSN： 1742-6588  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： 前立腺癌は健康研究における専門家のヒト遺伝学の懸念である。しかし,前立腺癌の主要原因の説明は,最も普通の1つを除いて,代謝学的に生物学的に得られない。前立腺癌を縮約するリスクの説明は,マイクロアレイデータの形でのDNA配列決定からの前立腺癌細胞と健康な前立腺細胞の遺伝学的説明を通して,または,ホルスコリン値の形で求められている。癌細胞の遺伝的データは,観察された変数の数が個々の観察より遥かに多く,高次元である。通常の多変量分類技術は,特異性行列のため,このデータを処理できない。加えて,癌患者の観測数は,それらが稀にしか見出されないので,小さい。これら2つの事実により,本論文では,分類,すなわちSVMを研究するために機械学習アプローチを用いる。SVMは,健康な前立腺細胞から前立腺癌細胞を区別する正確な分割を決定するために,Naive Bayes分類子と判別分析法と比較される。使用したサンプルデータは,訓練データと試験データに分割された2135の遺伝変数を有する102人の人々から成った。研究の結果に基づいて,SVM法による分類は,7%の腫瘍クラスにおける精度誤差で96%の精度値を有した。Naive Bayes分類は精度誤差が23.5%で,分類精度は84%であった。一方,判別分析法は,1.33%の精度誤差で92%の精度を生成する。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *遺伝 ,  腫瘍細胞 ,  *前立腺 ,  ヒト ,  縮約 ,  判別分析 ,  *遺伝子発現 ,  *前立腺腫瘍 ,  機械学習 ,  DNAマイクロアレイ ,  *サポートベクトルマシン
準シソーラス用語： DNA配列 ,  癌患者 ,  分類子 ,  前立腺癌細胞 , 【Automatic Indexing@JST】

分類 (2件)： 腫ようの化学・生化学・病理学  (GE02030N) ,  泌尿生殖器の腫よう  (GM04000S)

タイトルに関連する用語 (4件)： サポートベクトルマシン ,  前立腺癌 ,  遺伝子発現 ,  分類