抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
多くのソフトバイクラスター化アルゴリズムが開発され,様々な生物学的および生物医学的データ解析に適用された。しかしながら,今まで,ゲノムまたはトランスクリプトミクスデータに基づく疾患または分子サブタイプの同定に非常に有用であるが,少数の相互排他的(ハード)バイクラスター化アルゴリズムが提案されてきた。二分グラフ分割問題として表現行列のバイクラスタリング問題を考察し,相互排他的バイクラスタを検出するために,Dillonスペクトル法に基づく新しいバイクラスタリングアルゴリズム,MESBCを開発した。MESBCは,関連する特徴(遺伝子)と対応するサブグループを同時に検出して,したがって,クラスタ化を実行するために各々のサブタイプのために署名特性を自動的に使用して,クラスタ化性能を改良した。MESBCは,シミュレーションにおいて予め指定したバイクラスタを正確に検出することができ,同定されたバイクラスタは真のラベルと高度に一致した。特に,高いノイズの設定において,MESBCは既存のNMFとDillons法より優れ,著しく良好な精度を提供した。2つのTCGAデータセット(LUADとBRACコホート)の解析は,MESBCが,乳房と肺癌の患者で,それぞれ,乳房(PAM50)と肺癌(統合クラスタ化)のための既存の金標準サブタイプと比較して,全体的生存のための類似またはより正確な予後(すなわち,より小さなp値)を提供することを明らかにした。TCGA肺癌患者において,MESBCは2つの臨床的に関連するまれなサブタイプを検出し,他のバイクラスタリングまたは統合クラスタリングアルゴリズムは検出できなかった。これらの知見から,MESBCは癌患者における分子サブタイピングを改善し,潜在的に良好な個別患者管理,リスク層別化,患者選択,治療割当て,および新規治療薬の開発のための分子経路をよりよく理解できるという仮説を検証した。【JST・京大機械翻訳】