文献

J-GLOBAL ID：202202214122208100   整理番号：22A0488857

メラノーマを特性化するための疾患ネットワークに基づく深層学習アプローチ【JST・京大機械翻訳】

A disease network-based deep learning approach for characterizing melanoma

著者 (18件)： Lai Xin (Department of Dermatology, Universitaetsklinikum Erlangen and Friedrich-Alexander-Universitaet Erlangen-Nuernberg, Erlangen, Germany) ,  Lai Xin (Deutsches Zentrum Immuntherapie, Erlangen, Germany) ,  Lai Xin (Comprehensive Cancer Center Erlangen, Erlangen, Germany) ,  Zhou Jinfei (College of Computer Science, Sichuan University, Chengdu, China) ,  Wessely Anja (Department of Dermatology, Universitaetsklinikum Erlangen and Friedrich-Alexander-Universitaet Erlangen-Nuernberg, Erlangen, Germany) ,  Wessely Anja (Deutsches Zentrum Immuntherapie, Erlangen, Germany) ,  Wessely Anja (Comprehensive Cancer Center Erlangen, Erlangen, Germany) ,  Heppt Markus (Department of Dermatology, Universitaetsklinikum Erlangen and Friedrich-Alexander-Universitaet Erlangen-Nuernberg, Erlangen, Germany) ,  Heppt Markus (Deutsches Zentrum Immuntherapie, Erlangen, Germany) ,  Heppt Markus (Comprehensive Cancer Center Erlangen, Erlangen, Germany) ,  Maier Andreas (Pattern Recognition Lab, Department of Computer Science, Friedrich-Alexander-Universitaet Erlangen-Nuernberg, Erlangen, Germany) ,  Berking Carola (Department of Dermatology, Universitaetsklinikum Erlangen and Friedrich-Alexander-Universitaet Erlangen-Nuernberg, Erlangen, Germany) ,  Berking Carola (Deutsches Zentrum Immuntherapie, Erlangen, Germany) ,  Berking Carola (Comprehensive Cancer Center Erlangen, Erlangen, Germany) ,  Vera Julio (Department of Dermatology, Universitaetsklinikum Erlangen and Friedrich-Alexander-Universitaet Erlangen-Nuernberg, Erlangen, Germany) ,  Vera Julio (Deutsches Zentrum Immuntherapie, Erlangen, Germany) ,  Vera Julio (Comprehensive Cancer Center Erlangen, Erlangen, Germany) ,  Zhang Le (College of Computer Science, Sichuan University, Chengdu, China)
資料名： International Journal of Cancer  (International Journal of Cancer)
巻： 150  号： 6  ページ： 1029-1044  発行年： 2022年 
JST資料番号： A0267B  ISSN： 0020-7136  資料種別： 逐次刊行物 (A)
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： 皮膚黒色腫には複数のタイプのゲノム変異が存在し,いくつかのゲノム特徴が疾患の予後に影響を及ぼす可能性がある。癌ゲノムアトラス(TCGA)のような公共リポジトリによるゲノムデータへのアクセスは,分子レベルでの黒色腫のより良い理解を可能にし,従って,黒色腫患者における実質的な不均一性の特性化を可能にする。ここでは,ゲノムデータ,疾患ネットワークおよび深い学習モデルを統合し,予後に対するメラノーマ患者を分類し,分類に与えるゲノム特徴の影響を評価し,影響のある特徴に対する解釈を提供する方法を提案した。ゲノムデータを黒色腫ネットワークに統合し,TCGA黒色腫患者のサブグループを同定するために自動コードモデルを適用した。モデルは,ネットワークで同定されたコミュニティを利用して,ゲノムデータの次元を患者スコアプロファイルに効果的に減らした。スコアプロファイルに基づき,異なる生存期間を示す3人の患者サブタイプを同定した。さらに,機械学習技術を用いて患者スコアプロファイルに対するゲノム特徴の影響を定量化し,ランク付けした。トップランキング特徴の追跡分析は,黒色腫における変異および相互作用プロファイル,およびシグナル伝達,免疫系および細胞周期に関連する経路におけるそれらの関与などの経路および分子レベルの両方で,それらの生物学的解釈を提供した。まとめると,著者らは,黒色腫ネットワークにおけるゲノムデータの最も関連する情報を捉える深層学習モデルを用いて,疾患サブグループを同定するアプローチの能力を実証した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  学習モデル ,  *ネットワーク ,  ニューラルネットワーク ,  ゲノム ,  細胞周期 ,  予後 ,  *黒色腫 ,  リポジトリ
準シソーラス用語： 免疫系 ,  ゲノミクス ,  アトラス ,  機械学習技術 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 自動エンコーダ ,  疾患ネットワーク ,  ゲノミクス ,  メラノーマ ,  ニューラルネットワーク ,  システム医学

分類 (3件)： 遺伝的変異  (EC01030Y) ,  腫ようの診断  (GE03020J) ,  皮膚の腫よう  (GF04000X)

タイトルに関連する用語 (4件)： メラノーマ ,  特性化 ,  疾患 ,  深層学習