文献

J-GLOBAL ID：201702215471910673   整理番号：17A0050973

疾病分類のために,微生物メタゲノム重複性プロファイリングデータを,モチーフを用いてテキストマイニングする

Motif-Based Text Mining of Microbial Metagenome Redundancy Profiling Data for Disease Classification

著者 (9件)： WANG Yin (Fudan Univ., Shanghai, CHN) ,  WANG Yin (Shanghai Center for Bioinformation Technol., Shanghai, CHN) ,  LI Rudong (Shanghai Inst. for Biological Sci., Chinese Acad. of Sci., Shanghai, CHN) ,  ZHOU Yuhua (Shanghai Jiao Tong Univ. School of Medicine, Shanghai, CHN) ,  LING Zongxin (Zhejiang Univ., Zhejiang, CHN) ,  GUO Xiaokui (Shanghai Jiao Tong Univ. School of Medicine, Shanghai, CHN) ,  XIE Lu (Shanghai Center for Bioinformation Technol., Shanghai, CHN) ,  LIU Lei (Fudan Univ., Shanghai, CHN) ,  LIU Lei (Shanghai Center for Bioinformation Technol., Shanghai, CHN)
資料名： BioMed Research International (Web)  (BioMed Research International (Web))
巻： 2016  号： Bioinformatics  ページ： ROMBUNNO.6598307 (WEB ONLY)  発行年： 2016年 
JST資料番号： U7008A  ISSN： 2314-6133  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： 【背景】16S rRNAのテキストデータは,微生物叢関連疾病の分類に有益である。しかし,この生のテキストデータを,分類のための属性を定義/抽出できるように,系統的に処理する必要がある;そのうえ,このテキストデータによって発生する大きな属性領域は,さらに困難をもたらす。【結果】ここで著者らは,16S rRNAテキストデータを分析するために,系統樹を基礎としたモチーフ検出アルゴリズム(PMF)を提示した。分類のための系統学的規則と他の統計学的指標の統合により,テキストデータセットによって発生する大きな属性領域を効果的に減少させることができた。検索されたモチーフを一般の分類方法と組み合わせて使用し,肺炎と虫歯の異なるサンプルを他の既存の方法よりうまく識別することができた。【結論】肺炎と虫歯の病理学的状態を識別するための微生物叢テキストデータに関して教師あり学習を実行するために,著者らは系統学的アプローチを拡張した。得られた結果から,PMFは,大量のテキストデータを分析する際の効率を上げ,信頼性を高める可能性が示唆された。(翻訳著者抄録)

シソーラス用語： 微生物 ,  ゲノム ,  遺伝子重複 ,  特徴抽出 ,  体系分類 ,  データマイニング ,  rRNA ,  *ミクロフローラ ,  系統樹 ,  肺炎 ,  う歯
準シソーラス用語： *16S rRNA ,  ゲノム重複 ,  テキストマイニング ,  プロファイリング ,  メタゲノム ,  モチーフ ,  *疾病分類

分類 (2件)： 分子・遺伝情報処理  (JE15040B) ,  基礎診断学  (GC03002P)

タイトルに関連する用語 (6件)： 疾病分類 ,  微生物 ,  メタゲノム ,  プロファイリング ,  モチーフ ,  テキストマイニング