文献

J-GLOBAL ID：202202270106529797   整理番号：22A0844871

依存下の高次元データにおける共変量を選択する統計的方法論 腫瘍学における遺伝的プロファイルの分類への応用【JST・京大機械翻訳】

A statistical methodology to select covariates in high-dimensional data under dependence. Application to the classification of genetic profiles in oncology

著者 (6件)： Bastien B. (Transgene S.A., Illkirch-Graffenstaden Cedex, France) ,  Boukhobza T. (Universite de Lorraine, CNRS, CRAN, Nancy, France) ,  Dumond H. (Universite de Lorraine, CNRS, CRAN, Nancy, France) ,  Gegout-Petit A. (Universite de Lorraine, CNRS, INRIA, IECL, Nancy, France) ,  Muller-Gueudin A. (Universite de Lorraine, CNRS, INRIA, IECL, Nancy, France) ,  Thiebaut C. (Universite de Lorraine, CNRS, CRAN, Nancy, France)
資料名： Journal of Applied Statistics  (Journal of Applied Statistics)
巻： 49  号： 3  ページ： 764-781  発行年： 2022年 
JST資料番号： W5929A  ISSN： 0266-4763  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： 著者らは,依存性の下での高次元データの文脈における関心の変数に関連した共変量の選択およびランキングのための新しい方法論を提案したが,観察はほとんどなかった。この方法論は,共変量のクラスタ化,因子潜在分析を用いた共変量の逆相関,適応方法の凝集を用いた選択,および最終的にランキングを相互に絡み込む。シミュレーション研究は,共変量の異なるクラスタ内の逆相関の興味を示した。最初に,化学療法を受けた進行性非小細胞肺癌の37人の患者のトランスクリプトームデータに適用し,治療の生存結果を説明するトランスクリプトミクス共変量を選択した。第2に,この方法を79の乳房腫瘍試料に適用し,治療を個人化するために,新しい転移性バイオマーカーと関連遺伝子ネットワークに対する患者プロファイルを定義した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  *統計解析 ,  *遺伝 ,  クラスタ化 ,  薬物療法 ,  クラスタ ,  *高次元 ,  乳房腫瘍 ,  バイオマーカー ,  トランスクリプトーム ,  個別化医療
準シソーラス用語： トランスクリプトーム解析 ,  遺伝子ネットワーク ,  進行非小細胞肺癌 ,  *共変量 ,  *高次元データ , 【Automatic Indexing@JST】

著者キーワード (8件)： 凝集法 ,  相関共変量選択 ,  遺伝子プロファイル ,  高次元 ,  多重試験手順 ,  個別化医療 ,  ランキング ,  可変選択

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

タイトルに関連する用語 (7件)： 高次元データ ,  共変量 ,  統計的方法 ,  腫瘍学 ,  プロファイル ,  分類 ,  応用