您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览31 | 下载15

目的:为了验证与胃癌相关的遗传特征,提出一种混合式特征选择方法确定靶基因,进一步分析其意义并建立新的诊断预测模型.方法:对原始胃癌数据进行生物信息学方差分析,使用随机森林、支持向量机的递归特征消除、套索算法等机器学习方法筛选胃癌相关基因,对结果取交集,获得关键基因集.进行富集分析,确定关键基因并验证;依据关键基因构建基于多层感知器(MLP)、逻辑回归、决策树等8种机器学习分类算法的诊断预测模型.结果:混合式的特征选择方法筛选出的关键基因与肿瘤发生和发展的生物学过程密切相关;8个关键基因(TXNDC5、BMP8A、ONECUT2、COL10A1、JCHAIN、INHBA、LCTL和TRIM59)被确定为诊断效果较好的胃癌潜在标志物;根据8种分类模型的ROC曲线和准确率结果可知,MLP为最佳胃癌预测模型,其准确率高达97.77

作者:王泽朋;李坤鹏;周玉;李四海

来源:中国医学物理学杂志 2024 年 41卷 1期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:31 | 下载:15
作者:
王泽朋;李坤鹏;周玉;李四海
来源:
中国医学物理学杂志 2024 年 41卷 1期
标签:
胃癌 基因筛选 关键基因 生物信息学 机器学习 gastric cancer gene screening key gene bioinformatics machine learning
目的:为了验证与胃癌相关的遗传特征,提出一种混合式特征选择方法确定靶基因,进一步分析其意义并建立新的诊断预测模型.方法:对原始胃癌数据进行生物信息学方差分析,使用随机森林、支持向量机的递归特征消除、套索算法等机器学习方法筛选胃癌相关基因,对结果取交集,获得关键基因集.进行富集分析,确定关键基因并验证;依据关键基因构建基于多层感知器(MLP)、逻辑回归、决策树等8种机器学习分类算法的诊断预测模型.结果:混合式的特征选择方法筛选出的关键基因与肿瘤发生和发展的生物学过程密切相关;8个关键基因(TXNDC5、BMP8A、ONECUT2、COL10A1、JCHAIN、INHBA、LCTL和TRIM59)被确定为诊断效果较好的胃癌潜在标志物;根据8种分类模型的ROC曲线和准确率结果可知,MLP为最佳胃癌预测模型,其准确率高达97.77

Baidu
map