胃癌的分子标记的整合的转录组和计算分析
来源:互联网 发布:自学编程难吗 编辑:程序博客网 时间:2024/05/16 00:49
Cui J, Chen Y, Chou W C, et al. An integrated transcriptomic and computational analysis for biomarker identification in gastric cancer[J]. Nucleic acids research, 2010: gkq960.
材料:
160份材料来自52分男性,25份女性和3分缺失,均有癌症组织和癌旁组织。
考查数据:
随肿瘤分歧趋势变化的基因;胃癌中关键信号通路;胃癌和癌旁的差异全景
标志物筛选:
REF-SVM基于支持向量机的递归特征消除,28个基因的组合准确率最高:肿瘤95.9%,癌旁97.9%。
***预测136个基因的产物会分泌到血液中,找到18个可能的marker。(也是基于自建模型的预测)
筛选关键基因:1 基因功能——生物过程;2 基因功能——分子功能;3基因功能——细胞组分;4信号通路
筛选关键通路
随肿瘤分期趋势变化的基因
胃癌中关键信号通路
胃癌vs癌旁的差异全景
胃癌的中的性别差异
*支持向量机:“机(machine,机器)”实际上是一个算法。在机器学习领域,常把一些算法看 作是一个机器(又叫学习机器,或预测函数,或学习函数)。“支持向量”则是指训练集中的某些训练点的输入 xi 。它是一种有监督(有导师)学习方法,即已知训练点的类别,求训练点和类别之间的对应关系,以便将训练集按照类别分开,或者是预测新的训练点所对应的类 别。
0 0
- 胃癌的分子标记的整合的转录组和计算分析
- 胃癌的临床表现?
- 分子云,一个关于计算化学和分子力学的微信公众号
- [转载]转录组测序分析中cufflinks的使用及问题
- 转录组测序分析中cufflinks的使用及问题
- 转录组测序分析中cufflinks的使用及问题
- 转录组测序分析中cufflinks的使用及问题
- RDKit:计算不同分子或构象之间的RMSD
- 转录的P2P视频文章
- 音频到文本转录有用的转录服务
- 音频到文本转录有用的转录服务
- 乔布斯和盖茨的历史性对话(转录)
- 乔布斯和盖茨的历史性对话(转录)
- 乔布斯和盖茨的历史性对话(转录)
- UVa 1606 两亲性分子 扫描法 && cnt++的分析
- ncbi的genome,gene序列转换和gb2gtf——链特异性转录组
- 120分的转录组试题,你能得多少
- 伪计算机分子的自白
- c++求数组中的最小(大)的n位数
- 近期的职业规划
- 安卓登陆框记住密码和自动登录的实现
- JAVA 泛型的使用场景一
- UITableView学习笔记
- 胃癌的分子标记的整合的转录组和计算分析
- C#创建与Excel打印输出(转载)
- codeforces #308C C. Vanya and Scales(数制转换)
- C++ 用libcurl库进行http 网络通讯编程
- Tutorial 4: Shaders
- POJ 1000 && HDU 1000 A+B Problem(水~)
- java4Android(8)包、打包、包的命名规范(9)包和访问权限(10)继承和访问权限
- 想弄个服务器,搬一些代码上去,有个自己的网站,发布一点代码,一些文字啥的
- HDU 1281(棋盘游戏)二分匹配+暴力