遺伝子発現データの解析のための計算学習法に関する包括的調査【JST・京大機械翻訳】

Bhandari Nikita; Walambe Rahee; Kotecha Ketan; Khare Satyajeet

プレプリント

J-GLOBAL ID：202202206507967789 整理番号：22P0285570

遺伝子発現データの解析のための計算学習法に関する包括的調査【JST・京大機械翻訳】

A comprehensive survey on computational learning methods for analysis of gene expression data

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月07日プレプリントサーバーでの情報更新日： 2022年09月27日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

機械学習を含むコンピュータ分析法は,ゲノミクスと医学の分野に重要な影響を与える。マイクロアレイ技術とRNA配列決定のようなハイスループット遺伝子発現分析法は膨大な量のデータを生成する。伝統的に,統計的方法は遺伝子発現データの比較分析に用いられる。しかし,サンプル観察の分類または特徴遺伝子の発見のためのより複雑な分析は,洗練された計算アプローチを必要とする。本レビューでは,発現マイクロアレイデータの解析に用いられる様々な統計的および計算ツールを編集した。この方法は,発現マイクロアレイの文脈で議論されているが,RNA配列決定と定量的プロテオミクスデータセットの分析にも応用できる。欠測値のタイプと,通常,それらの補完で使われる方法とアプローチを論じた。また,データ正規化,特徴選択,および特徴抽出の方法について議論する。最後に,それらの評価パラメータとともに分類とクラス発見の方法を詳細に記述した。この詳細なレビューは,期待した結果に基づくそれらのデータの前処理と分析のための適切な方法を選択するのを助けるであろうと信じる。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

遺伝子発現 , 分子・遺伝情報処理

, , ,

前のページに戻る