文献

J-GLOBAL ID：202002239976437976   整理番号：20A2564715

差動調節ネットワーク埋め込み深層ニューラルネットワークによる癌の予後予測【JST・京大機械翻訳】

Prognostic prediction of carcinoma by a differential-regulatory-network-embedded deep neural network

著者 (8件)： Li Junyi (School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen), Shenzhen, Guangdong 518055, China) ,  Ping Yuan (School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen), Shenzhen, Guangdong 518055, China) ,  Li Hong (CAS Key Laboratory of Computational Biology, CAS-MPG Partner Institute for Computational Biology, Shanghai Institute of Nutrition and Health, Shanghai Institutes for Biological Sciences, University of Chinese Academy of Sciences, Chinese Academy of Sciences, Shanghai 200031, China) ,  Li Huinian (School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen), Shenzhen, Guangdong 518055, China) ,  Liu Ying (School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen), Shenzhen, Guangdong 518055, China) ,  Liu Bo (School of Computer Science and Technology, Harbin Institute of Technology, Harbin, Heilongjiang 150001, China) ,  Wang Yadong (School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen), Shenzhen, Guangdong 518055, China) ,  Wang Yadong (School of Computer Science and Technology, Harbin Institute of Technology, Harbin, Heilongjiang 150001, China)
資料名： Computational Biology and Chemistry  (Computational Biology and Chemistry)
巻： 88  ページ： Null  発行年： 2020年 
JST資料番号： H0201B  ISSN： 1476-9271  CODEN： COCHDK  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： 正確な予後予測は癌の正確な診断と治療に不可欠である。臨床生存予測法に加えて,トランスクリプトミクスデータに基づく多くの計算法が,予測モデルを構築し,癌患者の予後を研究するために提案された。遺伝子共発現ネットワークと深層ニューラルネットワーク(DNN)法に基づく微分制御解析を統合することにより,微分制御ネットワーク埋め込み深層ニューラルネットワーク(DRE-DNN)法を提案した。3つの公共肝細胞癌(HCC)データセットから,著者らは差動調節ネットワークを誘導して,DNNに調節情報を埋め込む。1869の差動調節遺伝子および生存データを採用することによって,著者らはDRE-DNNを適用して,予測モデルを構築した。提案手法を通常のDNNにおいて全ての遺伝子特徴を持つ手法と比較し,その結果,提案手法がより良い一般化能力と精度を持つことを示した。正常DNNを改変し,遺伝子発現データからHCCの予後を予測するための効率的な方法を開発した。著者らの方法は,訓練サンプルサイズが小さいとき,過剰適合問題によって引き起こす不整合を減少する。DRE-DNNは他の癌の予後予測にも拡張可能である。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  *ネットワーク ,  遺伝子 ,  調節遺伝子 ,  微分 ,  *予後 ,  不整合 ,  肝細胞癌 ,  予測モデル
準シソーラス用語： トランスクリプトーム解析 ,  癌患者 ,  *予後予測 ,  共発現 ,  *遺伝子調節ネットワーク ,  遺伝子発現データ , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層ニューラルネットワーク ,  差動調節ネットワーク ,  予後予測 ,  癌

分類 (5件)： 分子・遺伝情報処理  (JE15040B) ,  蛋白質・ペプチド一般  (EB03010N) ,  遺伝子発現  (EC02040Q) ,  その他の計算機利用技術  (JE14000C) ,  遺伝学研究法  (EC01020N)

タイトルに関連する用語 (6件)： 差動 ,  調節ネットワーク ,  埋め込み ,  深層ニューラルネットワーク ,  癌 ,  予後予測