文献

J-GLOBAL ID：202002261528828705   整理番号：20A0448134

調節動的Bayesネットワークによる時系列マイクロアレイデータからの癌分類【JST・京大機械翻訳】

Cancer classification from time series microarray data through regulatory Dynamic Bayesian Networks

著者 (8件)： Kourou Konstantina (Unit of Medical Technology and Intelligent Information Systems, Dept. of Materials Science and Engineering, University of Ioannina, GR 45110, Greece) ,  Kourou Konstantina (Dept. of Biological Applications and Technology, University of Ioannina, Ioannina, GR, 45110, Greece) ,  Rigas George (Unit of Medical Technology and Intelligent Information Systems, Dept. of Materials Science and Engineering, University of Ioannina, GR 45110, Greece) ,  Papaloukas Costas (Unit of Medical Technology and Intelligent Information Systems, Dept. of Materials Science and Engineering, University of Ioannina, GR 45110, Greece) ,  Papaloukas Costas (Dept. of Biological Applications and Technology, University of Ioannina, Ioannina, GR, 45110, Greece) ,  Mitsis Michalis (Dept. of Surgery and Cancer Biobank Center, School of Health Sciences, Faculty of Medicine, University of Ioannina, 45110, Ioannina, GR 45110, Greece) ,  Fotiadis Dimitrios I. (Unit of Medical Technology and Intelligent Information Systems, Dept. of Materials Science and Engineering, University of Ioannina, GR 45110, Greece) ,  Fotiadis Dimitrios I. (Foundation for Research and Technology-Hellas, Institute of Molecular Biology and Biotechnology, Dept. of Biomedical Research, GR 45110, Greece)
資料名： Computers in Biology and Medicine  (Computers in Biology and Medicine)
巻： 116  ページ： Null  発行年： 2020年 
JST資料番号： E0858A  ISSN： 0010-4825  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 癌研究のゲノムプロファイリングは多様な表現型に対する包括的遺伝子発現パターンを生み出した。遺伝子発現データをモデル化するために,トランスクリプトームデータセットを用いる計算法が提案されている。動的Bayesネットワーク(DBN)は,時系列データセットのモデリングと規制ネットワークの推論のために使用されてきた。さらに,DBNに基づくアプローチによる癌分類は,統計的に有意な遺伝子と重要な調節分子からの知識を利用することの重要性を明らかにすることができた。マイクロアレイデータセットは意思決定のためのいくつかの分類法により広く使われているが,経路レベルからの新しい知識の利用は,癌分類のためのDBNに関する文献において適切に扱われていない。本研究では,調節因子として作用する遺伝子を同定し,特異的に発現した遺伝子セットの全てのプロモーターで見出された転写因子の活性を仲介する。これらの特徴は,DBNに基づく分類アプローチを用いて正常試料から腫瘍を識別するための潜在的な可能性として役立つ。著者らは遺伝子発現オムニバス(GEO)公共機能リポジトリから3つのマイクロアレイデータセットを使用し,示差発現分析を行った。同定された遺伝子のプロモーターと経路分析は,これらの遺伝子の転写機構に影響を及ぼす重要な調節因子を明らかにした。選択した遺伝子にDBNアルゴリズムを適用し,試料を腫瘍と対照に正確に分類できる特徴を同定した。曲線下の精度と面積(AUC)の両方は,それらのマスター調節因子(精度:70.8%-98.5%;AUC:0.562-0.985)に沿った差次的に発現された遺伝子から成る遺伝子セットに対して高かった。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： プロモーター領域 ,  表現型 ,  腫瘍 ,  意思決定 ,  遺伝子発現 ,  ゲノム ,  アルゴリズム ,  調節遺伝子 ,  リポジトリ ,  *ネットワーク ,  *DNAマイクロアレイ ,  トランスクリプトーム ,  転写因子 ,  遺伝子
準シソーラス用語： 調節因子 , 【Automatic Indexing@JST】

著者キーワード (5件)： ゲノムプロファイリング ,  マイクロアレイデータ ,  動的Bayesネットワーク ,  癌分類 ,  調節遺伝子

分類 (2件)： 遺伝子発現  (EC02040Q) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (5件)： 調節 ,  動的Bayesネットワーク ,  時系列 ,  マイクロアレイデータ ,  癌分類