論文の概要: Inflammatory Bowel Disease Biomarkers of Human Gut Microbiota Selected via Ensemble Feature Selection Methods

• arxiv url: http://arxiv.org/abs/2001.03019v1
• Date: Wed, 8 Jan 2020 13:17:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-13 09:59:31.390756
• Title: Inflammatory Bowel Disease Biomarkers of Human Gut Microbiota Selected via Ensemble Feature Selection Methods
• Title（参考訳）: アンサンブル特徴選択法によるヒト腸内細菌の炎症性腸疾患バイオマーカー
• Authors: Hilal Hacilar, O.Ufuk Nalbantoglu, Oya Aran, Burcu Bakir-Gungor
• Abstract要約: 炎症性腸疾患(IBD)、糖尿病、がんは炎症性腸疾患(IBD)、糖尿病、がんなどのいくつかの疾患を引き起こすことがある。 IBDは腸関連疾患であり、腸内細菌叢からの逸脱はIBDと関連していると考えられている。 本研究は、教師付き機械学習アルゴリズムと教師なし機械学習アルゴリズムを用いて、IBD診断を支援する分類モデルを生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The tremendous boost in the next generation sequencing and in the omics technologies makes it possible to characterize human gut microbiome (the collective genomes of the microbial community that reside in our gastrointestinal tract). While some of these microorganisms are considered as essential regulators of our immune system, some others can cause several diseases such as Inflammatory Bowel Diseases (IBD), diabetes, and cancer. IBD, is a gut related disorder where the deviations from the healthy gut microbiome are considered to be associated with IBD. Although existing studies attempt to unveal the composition of the gut microbiome in relation to IBD diseases, a comprehensive picture is far from being complete. Due to the complexity of metagenomic studies, the applications of the state of the art machine learning techniques became popular to address a wide range of questions in the field of metagenomic data analysis. In this regard, using IBD associated metagenomics dataset, this study utilizes both supervised and unsupervised machine learning algorithms, i) to generate a classification model that aids IBD diagnosis, ii) to discover IBD associated biomarkers, iii) to find subgroups of IBD patients using k means and hierarchical clustering. To deal with the high dimensionality of features, we applied robust feature selection algorithms such as Conditional Mutual Information Maximization (CMIM), Fast Correlation Based Filter (FCBF), min redundancy max relevance (mRMR) and Extreme Gradient Boosting (XGBoost). In our experiments with 10 fold cross validation, XGBoost had a considerable effect in terms of minimizing the microbiota used for the diagnosis of IBD and thus reducing the cost and time. We observed that compared to the single classifiers, ensemble methods such as kNN and logitboost resulted in better performance measures for the classification of IBD.
• Abstract（参考訳）: 次世代のシークエンシングとオミクス技術の飛躍的な向上により、ヒトの腸内微生物(消化管に存在する微生物群集のゲノム)を特徴付けることができるようになった。 これらの微生物のいくつかは免疫系の必須の調節因子と考えられているが、炎症性腸疾患(ibd)、糖尿病、がんなどのいくつかの疾患を引き起こすものもある。 IBDは腸関連疾患であり、腸内細菌叢からの逸脱はIBDと関連していると考えられている。 既存の研究は腸内細菌叢の腸内細菌叢をIBD疾患と関連づけようと試みているが、包括的な画像は完成には程遠い。 メダゲノミクス研究の複雑さから、機械学習技術の応用は、メダゲノミクスデータ分析の分野における幅広い問題に対処するために普及した。 そこで本研究では,ibd関連メタゲノミクスデータセットを用いて,教師付きと教師なしの両方の機械学習アルゴリズムを用いた。 一 IBD 診断を支援する分類モデルを作成すること。 二 IBD関連バイオマーカーを発見すること。 iii) k と階層的クラスタリングを用いて IBD 患者のサブグループを見つけること。 特徴の高次元性に対処するため,条件付き相互情報最大化(CMIM),高速相関型フィルタ(FCBF),最小冗長度最大相関(mRMR),極勾配ブースティング(XGBoost)などの頑健な特徴選択アルゴリズムを適用した。 10フォールドクロス検証を用いた実験では,ibdの診断に使用される微生物を最小化し,コストと時間を削減できる点において,xgboostは有意な効果を示した。 単一分類器と比較して,kNN や logitboost のようなアンサンブル法により,IBD の分類性能が向上することが確認された。

関連論文リスト

• MMIL: A novel algorithm for disease associated cell type discovery [58.044870442206914]
  単一細胞データセットは、しばしば個々の細胞ラベルを欠いているため、病気に関連する細胞を特定することは困難である。 セルレベルの分類器の訓練と校正を可能にする予測手法であるMixture Modeling for Multiple Learning Instance (MMIL)を導入する。
  論文  参考訳（メタデータ） (2024-06-12T15:22:56Z)
• Exploring Gene Regulatory Interaction Networks and predicting therapeutic molecules for Hypopharyngeal Cancer and EGFR-mutated lung adenocarcinoma [5.178086150698542]
  本研究では,下咽頭癌におけるEGFR変異肺腺癌と下咽頭癌について検討した。 本研究は,10のハブ遺伝子に基づく選択疾患に対する共通治療分子を示唆するものである。
  論文  参考訳（メタデータ） (2024-02-27T11:29:36Z)
• Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
  我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。 クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。 本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
  論文  参考訳（メタデータ） (2023-11-28T09:14:55Z)
• Application of data engineering approaches to address challenges in microbiome data for optimal medical decision-making [0.0]
  この研究は、マイクロバイオームのデータセットに固有の問題に対処し、パーソナライズされた医療を提供するのに非常に有益である可能性がある。 この研究で使用されたプロトタイプは、マイクロバイオームのデータセットに固有の問題に対処し、パーソナライズされた医療を提供するのに非常に有益である。
  論文  参考訳（メタデータ） (2023-06-30T05:36:39Z)
• Functional Integrative Bayesian Analysis of High-dimensional Multiplatform Genomic Data [0.8029049649310213]
  我々は高次元多プラットフォームゲノミクスデータ(fiBAG)の関数積分ベイズ解析というフレームワークを提案する。 fiBAGは、プロテオゲノムバイオマーカーの上流での機能的証拠の同時同定を可能にする。 本研究は,14種類のがんのパン・カンサー解析を用いて,fiBAGの収益性を示す。
  論文  参考訳（メタデータ） (2022-12-29T03:31:45Z)
• Deep neural networks approach to microbial colony detection -- a comparative analysis [52.77024349608834]
  本稿では,AGARデータセットを用いた3つの深層学習手法の性能について検討する。 得られた結果は将来の実験のベンチマークとして機能するかもしれない。
  論文  参考訳（メタデータ） (2021-08-23T12:06:00Z)
• Data-Driven Logistic Regression Ensembles With Applications in Genomics [0.0]
  本稿では,正規化とアンサンブルのアイデアを組み合わせた高次元二項分類問題に対する新しいアプローチを提案する。 がん,多発性硬化症,乾皮症などの共通疾患を含むいくつかの医学的データセットを用いて,バイオマーカーの予測精度と同定の点で,本手法の優れた性能を実証した。
  論文  参考訳（メタデータ） (2021-02-17T05:57:26Z)
• Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
  低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。 本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。 私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
  論文  参考訳（メタデータ） (2021-02-11T09:04:45Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• Neural networks for Anatomical Therapeutic Chemical (ATC) [83.73971067918333]
  両方向の長期記憶ネットワーク(BiLSTM)から抽出された集合を含む、特徴の異なるセットで訓練された複数の複数ラベル分類器を組み合わせることを提案する。 実験はこのアプローチのパワーを実証し、文献で報告された最良の手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-01-22T19:49:47Z)
• The scalable Birth-Death MCMC Algorithm for Mixed Graphical Model Learning with Application to Genomic Data Integration [0.0]
  本稿では,異なるタイプのマルチオミックデータを解析するための混合グラフィカルモデルを提案する。 モデル選択結果の計算効率と精度の両面で,本手法が優れていることがわかった。
  論文  参考訳（メタデータ） (2020-05-08T16:34:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。