10.3760/cma.j.cn112151-20201124-00863
基于胃癌基因组学的机器学习识别特征性甲基化位点
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。
胃肿瘤、人工智能、DNA甲基化、神经网络(计算机)
50
福建省科技厅计划资助项目2018Y2003,2019L3018,2019YZ016006;福建医科大学启航课题2017XQ1212;Science and Technology Program of Fujian Province2018Y2003, 2019L3018, 2019YZ016006;Startup Fund for Scientific Research, Fujian Medical University2017XQ1212
2023-05-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
363-368