文献

J-GLOBAL ID：202002258600677861   整理番号：20A0621759

木ベース次元縮小と癌転帰予測のための癌ゲノミクスデータの統合【JST・京大機械翻訳】

Integration of Cancer Genomics Data for Tree-based Dimensionality Reduction and Cancer Outcome Prediction

著者 (3件)： Shi Mingguang (School of Electric Engineering and Automation, Hefei University of Technology, Hefei, Anhui, 230009, China) ,  Wang Junwen (School of Electric Engineering and Automation, Hefei University of Technology, Hefei, Anhui, 230009, China) ,  Zhang Chenyu (School of Electric Engineering and Automation, Hefei University of Technology, Hefei, Anhui, 230009, China)
資料名： Molecular Informatics  (Molecular Informatics)
巻： 39  号： 3  ページ： e1900028  発行年： 2020年 
JST資料番号： W2686A  ISSN： 1868-1743  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 正確な結果予測は,癌の精密医療と個人化治療にとって重要である。研究者は,多次元癌オミクス研究が,ヒト疾患研究における各データ型(mRNA,マイクロRNA,メチル化または体細胞コピー数変化)研究を上回ることを見出した。多重レベルの分子データを活用する既存の方法は,しばしば,様々な制限,例えば,不均一性,貧弱なロバスト性,または一般性の損失を受ける。これらの限界を克服するために,滑らかな木グラフの同定のためのツリーベースの次元縮小手法を提示し,臨床転帰予測のための正確な予測モデルを開発した。著者らは,1)ツリーを学習することによる判別的次元推論(DDRTree)が,統計的有意性を有する縮小次元空間ツリーを達成したことを証明した。2)ツリーベースのサポートベクトルマシン(SVM)分類装置は,t検定ベースのSVM分類装置と比較して,癌再発の予測性能を改善した。3)ツリーベースのSVM分類装置は,異なる数のマルチマーカーに関してロバストであった。4)複数のオミクスデータの組合せは,単一オミクスデータと比較して,癌再発の予測性能を改善した。そして,5)ツリーベースのSVM分類装置は,最先端の特徴選択方法からの特徴と比較して,類似またはより良い予測性能を達成した。著者らの結果は,ツリーベースの次元縮小アプローチに基づく臨床転帰予測の大きな可能性を実証した。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： メチル化 ,  コピー数 ,  サポートベクトルマシン ,  不均一性 ,  *次元縮小 ,  分類装置 ,  多重化 ,  予測モデル ,  ロバスト性 ,  体細胞 ,  データ型 ,  特徴選択 ,  高次元 ,  mRNA ,  普遍性

著者キーワード (4件)： 臨床転帰予測 ,  木に基づく次元縮小 ,  癌ゲノミクスデータの統合 ,  サポートベクトルマシン

分類 (2件)： 分子・遺伝情報処理  (JE15040B) ,  細胞膜の輸送  (EF04020R)

タイトルに関連する用語 (7件)： 木 ,  次元縮小 ,  癌 ,  転帰 ,  予測 ,  ゲノミクス ,  統合