文献

J-GLOBAL ID：202102221680122499   整理番号：21A0442637

遺伝子発現データに基づく癌型の分類【JST・京大機械翻訳】

Classification of Cancer Types based on Gene Expression Data

著者 (4件)： He Yinchao (University of Nebraska - Lincoln,Computer Science & Engineering,Lincoln,NE,USA) ,  Bockmon Ryan (University of Nebraska - Lincoln,Computer Science & Engineering,Lincoln,NE,USA) ,  Modey Miracle (University of Nebraska - Lincoln,Computer Science & Engineering,Lincoln,NE,USA) ,  Roscoe Sarah (University of Nebraska - Lincoln,Computer Science & Engineering,Lincoln,NE,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： BIBM  ページ： 2175-2182  発行年： 2020年 
JST資料番号： W2441A  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： ゲノムデータの急速な増加によって,この巨大なバイオインフォマティクスデータを分析することは,新しい挑戦になる。したがって,コンピュータベースのプロセスとアルゴリズムは,使用にはるかに強力である。腫瘍タイプの分析のため,John N Weinsteinは,癌の分類のための病理学的分析を補完するための分子変化に基づく特性化の適用の不確実な実現可能性を宣言する。したがって,この制限のために,著者らは4つの深層学習法,K-平均,サポートベクトルマシン,形式的概念分析,および関連規則を比較し,各症例に対して801症例と20531遺伝子を有する遺伝子発現癌RNA-Seqデータセットに基づく癌を分類する。結果は,SVMがすべての目的から最も高い精度(99.8%と99.2%)を持ち,次に,91.75%のK-Meansが続くことを示した。第3の最も高い総合結果(83.1%)は,形式的概念解析アルゴリズムであった。関連規則は,72.25%で最も低い精度を持った。この比較は,癌タイプに基づくRNA-seqの分類のための良い指針を提供する。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  不確実性 ,  RNA【核酸】 ,  *遺伝子 ,  腫瘍 ,  ゲノム ,  キャラクタリゼーション ,  *遺伝子発現 ,  コンピュータ ,  サポートベクトルマシン
準シソーラス用語： バイオインフォマティクス ,  癌分類 ,  深層学習 ,  *遺伝子発現データ ,  RNA-seq , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 遺伝子発現データ ,  癌 ,  分類