論文の概要: Cancer Gene Profiling through Unsupervised Discovery
- arxiv url: http://arxiv.org/abs/2102.07713v1
- Date: Thu, 11 Feb 2021 09:04:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-16 18:02:26.351799
- Title: Cancer Gene Profiling through Unsupervised Discovery
- Title（参考訳）: がん遺伝子プロファイリングの発見
- Authors: Enzo Battistella, Maria Vakalopoulou, Roger Sun, Th\'eo Estienne,
Marvin Lerousseau, Sergey Nikolaev, Emilie Alvarez Andres, Alexandre Carr\'e,
St\'ephane Niyoteka, Charlotte Robert, Nikos Paragios, Eric Deutsch
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 49.28556294619424
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Precision medicine is a paradigm shift in healthcare relying heavily on
genomics data. However, the complexity of biological interactions, the large
number of genes as well as the lack of comparisons on the analysis of data,
remain a tremendous bottleneck regarding clinical adoption. In this paper, we
introduce a novel, automatic and unsupervised framework to discover
low-dimensional gene biomarkers. Our method is based on the LP-Stability
algorithm, a high dimensional center-based unsupervised clustering algorithm,
that offers modularity as concerns metric functions and scalability, while
being able to automatically determine the best number of clusters. Our
evaluation includes both mathematical and biological criteria. The recovered
signature is applied to a variety of biological tasks, including screening of
biological pathways and functions, and characterization relevance on tumor
types and subtypes. Quantitative comparisons among different distance metrics,
commonly used clustering methods and a referential gene signature used in the
literature, confirm state of the art performance of our approach. In
particular, our signature, that is based on 27 genes, reports at least $30$
times better mathematical significance (average Dunn's Index) and 25% better
biological significance (average Enrichment in Protein-Protein Interaction)
than those produced by other referential clustering methods. Finally, our
signature reports promising results on distinguishing immune inflammatory and
immune desert tumors, while reporting a high balanced accuracy of 92% on tumor
types classification and averaged balanced accuracy of 68% on tumor subtypes
classification, which represents, respectively 7% and 9% higher performance
compared to the referential signature.
- Abstract（参考訳）: 精密医療は、ゲノムデータに大きく依存する医療のパラダイムシフトである。
しかし, 生物学的相互作用の複雑さ, 遺伝子の多さ, データ解析における比較の欠如は, 臨床応用において大きなボトルネックとなっている。
本論文では、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および非監視フレームワークについて紹介する。
本手法は,高次元中心ベースの非監視クラスタリングアルゴリズムであるLP-Stabilityアルゴリズムに基づいており,最適なクラスタ数を自動的に決定しながら,メトリクス関数とスケーラビリティを懸念するモジュラリティを提供する。
我々の評価には数学的基準と生物学的基準の両方が含まれる。
回収されたシグネチャは、生物学的経路および機能のスクリーニング、腫瘍タイプおよびサブタイプの特性関連性など、さまざまな生物学的タスクに適用されます。
文献で使用されるクラスタリング法や参照遺伝子シグネチャなど,異なる距離の計測値の定量的比較により,本手法の有効性を確認した。
特に27の遺伝子に基づくシグネチャは、他の参照クラスタリング法よりも少なくとも30ドル以上の数学的意義(平均ダン指数)と25%の生物学的意義(タンパク質とタンパク質の相互作用における平均的な富化)が報告されている。
最後に, 免疫炎症性腫瘍と免疫砂漠性腫瘍を区別する有望な結果が報告され, 腫瘍型分類では92%, 腫瘍サブタイプ分類では平均68%と高いバランスの取れた精度が報告された。
関連論文リスト
- Precision Cancer Classification and Biomarker Identification from mRNA Gene Expression via Dimensionality Reduction and Explainable AI [0.9423257767158634]
本研究では,33種類の異なる癌とその対応する遺伝子群を正確に同定するための包括的パイプラインを提案する。
正規化と特徴選択技術を組み合わせて、データセットの次元性を効果的に削減する。
我々はExplainable AIを利用して、同定された癌特異的遺伝子の生物学的意義を解明する。
論文 参考訳（メタデータ） (2024-10-08T18:56:31Z) - 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) - Breast Ultrasound Tumor Classification Using a Hybrid Multitask
CNN-Transformer Network [63.845552349914186]
胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。
ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。
本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
論文 参考訳（メタデータ） (2023-08-04T01:19:32Z) - Fuzzy Gene Selection and Cancer Classification Based on Deep Learning
Model [1.3072222152900117]
我々は,癌分類を容易にする情報的遺伝子を同定するための新しいファジィ遺伝子選択法(FGS)を開発した。
FGS法で癌分類は96.5%,96.2%,96%,95.9%の精度,精度,リコール,f1スコアを得た。
得られた6つのデータセットを調べることで、提案モデルはがんを効果的に分類する能力を示す。
論文 参考訳（メタデータ） (2023-05-04T21:52:57Z) - Machine Learning Methods for Cancer Classification Using Gene Expression
Data: A Review [77.34726150561087]
がんは心臓血管疾患の2番目の死因である。
遺伝子発現は癌の早期発見において基本的な役割を担っている。
本研究は,機械学習を用いた癌分類における遺伝子発現解析の最近の進歩を概説する。
論文 参考訳（メタデータ） (2023-01-28T15:03:03Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - Biomarker Gene Identification for Breast Cancer Classification [2.403531305046943]
本研究は,バイオマーカーの同定にサブタイプ分類に用いるディープニューラルネットワークによる解釈予測を用いた。
提案したアルゴリズムは、43個の差分表現された遺伝子シグネチャの発見に繋がった。
論文 参考訳（メタデータ） (2021-11-10T06:38:50Z) - 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) - Topological Data Analysis of copy number alterations in cancer [70.85487611525896]
癌ゲノム情報に含まれる情報を新しいトポロジに基づくアプローチで捉える可能性を探る。
本手法は, 癌体性遺伝データに有意な低次元表現を抽出する可能性を秘めている。
論文 参考訳（メタデータ） (2020-11-22T17:31:23Z) - Unsupervised Feature Selection for Tumor Profiles using Autoencoders and
Kernel Methods [1.9078991171384014]
本研究は,腫瘍サンプルの有意義かつ低次元的表現を学習し,腫瘍サブタイプのクラスターを見つけることを目的とする。
The proposed method called Latent Kernel Feature Selection (LKFS) is an unsupervised approach for gene selection in tumor gene expression profiles。
論文 参考訳（メタデータ） (2020-07-12T21:59:05Z)
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。