MiMSI-深部多重インスタンス学習フレームワークは腫瘍次世代シークエンシングからのマイクロサテライト不安定性検出を改善する【JST・京大機械翻訳】

Ziegler, J.; Hechtman, J. F.; Ptashkin, R.; Jayakumaran, G.; Middha, S.; Chavan, S. S.; Vanderbilt, C.; DeLair, D.; Casanova, J.; Shia, J.; DeGroat, N.; Benayed, R.; Ladanyi, M.; Berger, M. F.; Fuchs, T. J.; Zehir, A.

プレプリント

J-GLOBAL ID：202202210250180070 整理番号：22P0248063

MiMSI-深部多重インスタンス学習フレームワークは腫瘍次世代シークエンシングからのマイクロサテライト不安定性検出を改善する【JST・京大機械翻訳】

MiMSI - a deep multiple instance learning framework improves microsatellite instability detection from tumor next-generation sequencing

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 (16件)： , , , , , , , , , , , , , , ,
資料名：
発行年： 2020年09月18日プレプリントサーバーでの情報更新日： 2020年09月18日
JST資料番号： O7001B 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)

マイクロサテライト不安定性(MSI)は癌ゲノムの重要な表現型であり,免疫チェックポイント阻害剤による治療をガイドできるFDA認識バイオマーカーである。最近の研究では,次世代シークエンシングデータがMSI-高表現型の試料の同定に使用できることを示した。しかし,日常の臨床サンプルでしばしば観察されるように,低い腫瘍純度は,既存のアルゴリズムの感度に挑戦をもたらす。この重要な問題を克服するために,著者らは,ディープニューラルネットワークに基づくMSI分類器であるMiMSIを開発し,多重インスタンス学習フレームワークにおける低腫瘍純度MSI症例を含むデータセットを用いて訓練した。挑戦的だが代表的な症例セットでは,MiMSIはMSISensor(感度:0.57;auROC:0.911)よりも高い感度(0.940)とauROC(0.988)を示し,MSK-IMPACT大規模パネル標的NGSデータを用いた著者らの施設での臨床使用のために以前に検証されたオープンソースソフトウェアであった。【JST・京大機械翻訳】

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

消化器の腫よう , 腫ようの化学・生化学・病理学 , 分子遺伝学一般

, , , , , , ,

前のページに戻る