文献

J-GLOBAL ID：202002278304058864   整理番号：20A1503251

教師付き機械学習を用いた多嚢胞性卵巣症候群に対する非侵襲的サイトカインバイオマーカーの同定【JST・京大機械翻訳】

Identification of Non-invasive Cytokine Biomarkers for Polycystic Ovary Syndrome Using Supervised Machine Learning

著者 (3件)： Perry Daniela Silvia (Harvard Medical School, Boston, MA, USA) ,  Gunawardena Jeremy (Harvard Medical School, Boston, MA, USA) ,  Orsi Nicolas (Leeds University, Leeds, United Kingdom)
資料名： ACM Proceedings  (ACM Proceedings)
号： BCB ’18  ページ： 502  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
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： 嚢胞性卵巣症候群(PCOS)は,女性の20%までに影響する一般的な内分泌障害であるが,診断は,一般的に信頼性がなく,非定量的である。ここでは,PCOSの診断のための潜在的バイオマーカーの低次元セットを同定するために,患者の大規模コホートから51のサイトカインの教師つき機械学習と測定を使用した。全血と個々の卵胞液(FF)吸引液は,in vitro受精(ICSI/IVF)卵母細胞検索で前細胞質精子注入中に女性を集め,Rotterdam基準(n=69PCOS,n=222非PCOS)により診断される患者のPCOS状態とリンクした。PCOSに関連するサイトカインプロファイルを決定するために,患者データのランダムサブセットを用いてバイナリサポートベクトルマシン(SVM)を訓練した。得られたモデルは3変数を含み,76%正確であった。これはPCOSの免疫学的基礎への洞察を提供し,診断のための潜在的非侵襲的定量的戦略を定義する可能性がある。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 信頼性 ,  細胞質 ,  受精 ,  精子 ,  *卵巣 ,  内分泌疾患 ,  母集団 ,  卵母細胞 ,  *嚢胞 ,  *サイトカイン ,  in vitro実験 ,  *バイオマーカー ,  *機械学習
準シソーラス用語： 卵胞液 ,  *多嚢胞性卵巣症候群 , 【Automatic Indexing@JST】

著者キーワード (4件)： 計算生物学 ,  機械学習 ,  pcos ,  システム生物学

分類 (2件)： 婦人科疾患,妊産婦の疾患  (GS03000D) ,  婦人科疾患・妊産婦疾患の治療一般  (GS05010C)

タイトルに関連する用語 (4件)： 教師付き機械学習 ,  多嚢胞性卵巣症候群 ,  非侵襲的 ,  同定