Jurnal Internasional IJMS, Vol. 20, Halaman 296: Omics Throughput Tinggi dan Integrasi Pembelajaran Statistik untuk Penemuan dan Validasi Tanda-Tanda Diagnostik Novel pada Kanker Kolorektal

Download Jurnal Disini

IJMS, Vol. 20, Halaman 296: Omics Throughput Tinggi dan Integrasi Pembelajaran Statistik untuk Penemuan dan Validasi Tanda-Tanda Diagnostik Novel pada Kanker Kolorektal

Jurnal Internasional Ilmu Molekuler doi: 10.3390 / ijms20020296

Penulis:
Nguyen Phuoc Long
Taman Seongoh
Nguyen Hoang Anh
Tran Diem Nghi
Sang Jun Yoon
Taman Bukit Jeong
Johan Lim
Sung Won Kwon

Kemajuan bioinformatika dan pembelajaran mesin telah memfasilitasi penemuan dan validasi biomarker berbasis omics. Studi ini menggunakan pendekatan baru yang menggabungkan multi-platform transkriptomik dan algoritma mutakhir untuk memperkenalkan tanda tangan baru untuk diagnosis kanker kolorektal (CRC) yang akurat. Metode pemilihan fitur berbasis hutan acak (RF) yang berbeda termasuk area di bawah kurva (AUC) -RF, Boruta, dan Vita digunakan dan kinerja diagnostik dari biosignatures yang diusulkan diperbandingkan menggunakan RF, regresi logistik, na & amp; iuml; ve Bayes, dan k-model tetangga terdekat. Semua model menunjukkan kinerja yang memuaskan di mana RF tampak sebagai yang terbaik. Misalnya, mengenai model RF, berikut ini diamati: akurasi rata-rata 0,998 (standar deviasi (SD) & 0,003), spesifisitas rata-rata 0,999 (SD & amp; lt; 0,003), dan sensitivitas rata-rata 0,998 (SD & amp; lt ; 0,004). Selain itu, tanda tangan biomarker yang diusulkan sangat terkait dengan tanda multifaset pada kanker. Beberapa biomarker ditemukan diperkaya dalam pensinyalan sel epitel pada infeksi Helicobacter pylori dan proses inflamasi. Overekspresi TGFBI dan S100A2 dikaitkan dengan kelangsungan hidup bebas penyakit yang buruk sementara regulasi NR5A2, SLC4A4, dan CD177 yang buruk dikaitkan dengan kelangsungan hidup keseluruhan pasien yang lebih buruk. Sebagai kesimpulan, tanda tangan transkriptome baru untuk meningkatkan akurasi diagnostik dalam CRC diperkenalkan untuk validasi lebih lanjut dalam berbagai pengaturan klinis.

Download Jurnal Disini
Jurnal

IJMS, Vol. 20, Halaman 296: Omics Throughput Tinggi dan Integrasi Pembelajaran Statistik untuk Penemuan dan Validasi Tanda-Tanda Diagnostik Novel pada Kanker Kolorektal

Leave a reply "Jurnal Internasional IJMS, Vol. 20, Halaman 296: Omics Throughput Tinggi dan Integrasi Pembelajaran Statistik untuk Penemuan dan Validasi Tanda-Tanda Diagnostik Novel pada Kanker Kolorektal"

Author: 
    author