文献

J-GLOBAL ID：202102253369293397   整理番号：21A0633428

MLW-gcForest:メチル化データによる癌サブタイプ分類のための多加重gcForestモデル【JST・京大機械翻訳】

MLW-gcForest: A Multi-Weighted gcForest Model for Cancer Subtype Classification by Methylation Data

著者 (6件)： Dong Yunyun (College of Information and Computer, Taiyuan University of Technology, Taiyuan 030024, China) ,  Dong Yunyun (College of Information Technology and Engineering, Jinzhong University, Jinzhong 030619, China) ,  Yang Wenkai (College of Information and Computer, Taiyuan University of Technology, Taiyuan 030024, China) ,  Wang Jiawen (College of Information and Computer, Taiyuan University of Technology, Taiyuan 030024, China) ,  Zhao Juanjuan (College of Information and Computer, Taiyuan University of Technology, Taiyuan 030024, China) ,  Qiang Yan (College of Information and Computer, Taiyuan University of Technology, Taiyuan 030024, China)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 9  号： 17  ページ： 3589  発行年： 2019年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 効果的な癌治療は,明確なサブタイプを必要とする。小さなサンプルサイズ,高い次元,および癌遺伝子データのクラス不均衡のため,従来の機械学習法による癌サブタイプの分類は困難なままである。gcForestアルゴリズムは機械学習法と深層ニューラルネットワークの組合せであり,データの小サンプルのより良い分類を達成することを示した。しかし,この方法を癌サブタイプの分類に適用するとき,gcFroestアルゴリズムはなお多くの課題に直面している。本論文では,遺伝的データの小サンプルサイズ,高次元,およびクラス不均衡に対するこの方法の適用可能性を研究するために,改良gcForestアルゴリズム(MLW-gcForest)を提案した。このアルゴリズムの主な寄与は以下の通りである。(1)異なる重みは森林の分類能力に従って異なるランダムフォレストに割り当てられる。(2)異なるスライディングウィンドウの下で生成された特徴ベクトルに異なる重みを割り当てるソーティング最適化アルゴリズムを提案する。MLW-gcForestモデルを,癌ゲノムアトラス(TCGA)からの5つのデータセットのメチル化データに関して訓練した。実験結果は,MLW-gcForestアルゴリズムが,従来の機械学習法や最先端技術の状態と比較して,癌サブタイプの分類のための曲線(AUC)値の下で,高精度と領域を達成することを示した。結果はまた,メチル化データが癌を診断するために効果的に使用できることを示した。Copyright 2021 The Author(s) 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 ,  最適化手法 ,  *メチル化 ,  遺伝 ,  ソーティング ,  高次元 ,  癌遺伝子 ,  機械学習
準シソーラス用語： アトラス ,  特徴ベクトル ,  スライディングウィンドウ ,  高精度 ,  ランダムフォレスト ,  クラス不均衡 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： MLW-gcForest ,  TCGA ,  メチル化データ ,  癌サブタイプ

分類 (1件)： 分子・遺伝情報処理  (JE15040B)

引用文献 (46件)：

• Noone, A.M.; Cronin, K.A.; Altekruse, S.F.; Howlader, N.; Lewis, D.R.; Petkov, V.I.; Penberthy, L. Cancer incidence and survival trends by subtype using data from the Surveillance Epidemiology and End Results Program, 1992-2013. Cancer Epidemiol. Biomark. Prev. 2016, 26, 632.
• Choi, W.; Ochoa, A.; McConkey, D.J.; Aine, M.; Höglund, M.; Kim, W.Y.; Real, F.X.; Kiltie, A.E.; Milsom, I.; Dyrskjøt, L.; et al. Genetic alterations in the molecular subtypes of bladder cancer: Illustration in the cancer genome atlas dataset. Eur. Urol. 2017, 72, 354-365.
• Dai, X.; Li, T.; Bai, Z.; Yang, Y.; Liu, X.; Zhan, J.; Shi, B. Breast cancer intrinsic subtype classification, clinical use and future trends. Am. J. Cancer Res. 2015, 5, 2929.
• Feng, P.H.; Chen, T.T.; Lin, Y.T.; Chiang, S.Y.; Lo, C.M. Classification of lung cancer subtypes based on autofluorescence bronchoscopic pattern recognition: A preliminary study. Comput. Methods Programs Biomed. 2018, 163, 33-38.
• Lee, J.S.; Heo, J.; Libbrecht, L.; Chu, I.S.; Kaposi-Novak, P.; Calvisi, D.F.; Mikaelyan, A.; Roberts, L.R.; Demetris, A.J.; Sun, Z.; et al. A novel prognostic subtype of human hepatocellular carcinoma derived from hepatic progenitor cells. Nat. Med. 2006, 12, 410.

タイトルに関連する用語 (7件)： MLW ,  メチル化 ,  癌 ,  サブタイプ ,  分類 ,  加重 ,  モデル