当前位置: 首页 > 中华病理学杂志 > 2021年04期 > 基于胃癌基因组学的机器学习识别特征性甲基化位点

中华病理学杂志【2021年04期】

  • ID:2449280
  • 浏览: 19
  • 学科:病理学
  • 更新时间:2021-06-25 11:37:35
  • 期刊: 中华病理学杂志
内容简介
本刊是中国科协主管,中华医学会主办的基础性和高科技学术期刊,以广大病理医师、基础医学工作者和各临床科室医师为主要读者和服务对象,报道病理学领域中先进的科研成果和病理诊断经验,反映我国病理学乃至医学领域中的重大进展。创刊于1955年4月28日,月刊,大16开本,64页,图随文排,图文并茂;主要栏目:述评、专家论坛、论著、综述、讲座、技术交流、学术动态、临床病理讨论、读片讨论、病例报告、专题讨论、读者?作者?编者等。本刊是我国核心期刊之一,也是病理学专业的首选期刊,在我国医学科技期刊中名列前茅,各年度基金资助论文数量一般都在40%以上;影响因子和被引频次逐年升高,2004年度影响因子达到1.084,被国内外众多数据库和检索文摘期刊收录,如美国医学索引(MEDLINE)、俄罗斯文摘杂志(AJ)、荷兰《医学文摘》(EMBASE)、波兰哥白尼索引(IC)、癌症文献(CANCERLIT)、中国期刊全文数据库(CJFD)、中国生物医学文献数据库(CMB)等;为中国科协基础性和高科技优秀学术期刊专项资助期刊,2001年入选国家新闻出版署创建的“中国期刊方阵”;自1992年至今,在历次国家级评比活动中荣获优秀科技期刊奖,特别荣获2002年国家新闻出版总署“第二届国家期刊奖提名奖”和“第三届国家期刊奖百种重点期刊奖”以及中国科学技术信息所2001、2003、2004年度“百种中国杰出学术期刊”称号。

基于胃癌基因组学的机器学习识别特征性甲基化位点

2021-06-25 11:37:35 病理学 王晓江,刘伟,陈宝珍,何银珠,陈燕坪,陈
资料简介

摘要目的基于基因组学的数据,通过机器学习,构建胃癌相关甲基化预测模型。方法下载TCGA(The Cancer Genome Atlas)数据库中胃癌基因突变数据、基因表达数据和甲基化芯片数据,进行特征选择,构建支持向量机(径向基核函数)、随机森林和误差反向传播(error back propagation,BP)神经网络模型,并在新的数据集中进行模型的验证。结果在3个模型中BP神经网络的检验效能最高(F1 值=0.89,Kappa=0.66,受试者工作特征曲线下面积=0.93)。结论BP神经网络能够充分利用分子检测的基因组数据进行机器学习,可以用于胃癌相关甲基化预测。

摘要目的基于基因组学的数据,通过机器学习,构建胃癌相关甲基化预测模型。方法下载TCGA(The Cancer Genome Atlas)数据库中胃癌基因突变数据、基因表达数据和甲基化芯片数据,进行特征选择,构建支持向量机(径向基核函数)、随机森林和误差反向传播(error back propagation,BP)神经网络模型,并在新的数据集中进行模型的验证。结果在3个模型中BP神经网络的检验效能最高(F1 值=0.89,Kappa=0.66,受试者工作特征曲线下面积=0.93)。结论BP神经网络能够充分利用分子检测的基因组数据进行机器学习,可以用于胃癌相关甲基化预测。