文献

J-GLOBAL ID：202202256827473347   整理番号：22A0652027

遺伝子発現データプロファイルを用いた深層学習に基づく癌プロファイル分類【JST・京大機械翻訳】

Deep-Learning-Based Cancer Profiles Classification Using Gene Expression Data Profile

著者 (1件)： Almarzouki Hatim Z (Department of Radiology, Faculty of Medicine, King Abdulaziz University Hospital, Jeddah, 21589, Saudi Arabia)
資料名： Journal of Healthcare Engineering (Web)  (Journal of Healthcare Engineering (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7772A  ISSN： 2040-2295  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 有効な解析を与えるのに必要なデータの量は,機械学習次元が増加するにつれて指数関数的に増加する。単一実験で,マイクロアレイまたは遺伝子発現プロファイリングは,種々の細胞型または組織における遺伝子発現レベルとパターンを評価し,決定する。DNAマイクロアレイ技術の出現は,単一チップ上の数百の遺伝子発現の同時集中治療を可能にし,癌分類を進めている。分類の最も挑戦的な側面は,多くの情報源から多くの情報ポイントを働いている。提案方法は,抽出した特徴に関する深層学習アルゴリズムを訓練するためにマイクロアレイデータを使用し,次に,分類時間を減らし,精度を上げるために潜在特徴選択技術を使用する。特徴選択に基づく技術は,癌予測と診断のためのマイクロアレイデータを分類する前に重要な遺伝子をピックアップする。これらの方法は,重複と超フルーズ情報を除去することによって分類精度を改善する。特徴選択の人工Beeコロニー(ABC)技術を,骨髄PC遺伝子発現データを用いて本研究で提案した。群知能に基づくABCアルゴリズムを遺伝子同定のために提案した。ABCは,特徴の部分集合を生成する特徴選択のためにここで使用され,そして,このラッパーベースの特徴選択システムを作ることによって,検査者によって作り出されるあらゆる特徴を生成した。この方法の主な目標は,PC性能に決定的である最も少ない遺伝子を選択することであり,また予測精度も増加することである。畳込みニューラルネットワークを用いて,それらを標識することなく腫瘍を分類した。肺,腎臓,および脳癌データセットを,処置の訓練と試験段階で使用した。k-折畳み方法論の交差検証技術を用いて,畳込みニューラルネットワークは96.43%の精度率を有した。提案した研究は,将来の癌検出精度を増強するための遺伝子発現データの前処理と修正のための技術を含む。Copyright 2022 Hatim Z Almarzouki. 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 ,  情報源 ,  *遺伝子 ,  腫瘍 ,  折畳み ,  特徴選択 ,  コロニー ,  *遺伝子発現 ,  機械学習 ,  学習アルゴリズム ,  DNAマイクロアレイ ,  バイオチップ
準シソーラス用語： 予測精度 ,  *深層学習 ,  *遺伝子発現データ ,  マイクロアレイ , 【Automatic Indexing@JST】

分類 (2件)： 遺伝子発現  (EC02040Q) ,  分子・遺伝情報処理  (JE15040B)

引用文献 (30件)：

• T. R. Cox, J. T. Erler, "Remodeling and homeostasis of the extracellular matrix: implications for fibrotic diseases and cancer," Disease Models & Mechanisms, vol. 4, no. 2, pp. 165-178, 2011.
• T. Li, C. Zhang, M. Ogihara, "A comparative study of feature selection and multiclass classification methods for tissue classification based on gene expression," Bioinformatics, vol. 20, no. 15, pp. 2429-2437, 2004.
• M. Kumar Ahirwar, P. K. Shukla, R. Singhai, "CBO-IE: a data mining approach for healthcare IoT dataset using chaotic biogeography-based optimization and information entropy," Scientific Programming, vol. 2021, pp. 14, 2021.
• Z. M. Hira, D. F. Gillies, "A review of feature selection and feature extraction methods applied on microarray data," Advances in bioinformatics, vol. 2015, pp. 13, 2015.
• T. Zhou, K. H. Thung, X. Zhu, D. Shen, "Effective feature learning and fusion of multimodality data using stage-wise deep neural network for dementia diagnosis," Human Brain Mapping, vol. 40, no. 3, pp. 1001-1016, 2019.

タイトルに関連する用語 (5件)： 遺伝子発現データ ,  プロファイル ,  深層学習 ,  癌 ,  分類