中国卫生统计
中國衛生統計
중국위생통계
CHINESE JOURNAL OF HEALTH STATISTICS
2012年
6期
786-789
,共4页
代谢组学%Boosting%特征筛选
代謝組學%Boosting%特徵篩選
대사조학%Boosting%특정사선
目的 应用Boosting算法建立模型,对卵巢癌和非卵巢癌(卵巢囊肿和子宫肌瘤)患者的尿液代谢组数据进行分析,提取出具有生物学意义的代谢组分,为卵巢癌的早期诊断及疾病机理提供线索.方法 将决策树与Boosting算法相结合,对患者的临床样品代谢组数据进行分析,并对代谢组分进行逐步筛选,得到鉴别卵巢癌患者的重要代谢组分.结果 由Boosting模型得到的排序靠前的10个差异代谢组分,能够将卵巢癌与对照组患者进行较好的判别分类,其ROC曲线下面积达到了0.944.结论 Boosting模型可以有效地应用于卵巢癌代谢组数据,在保证较高的分类正确率的同时可以得到对分类起作用的重要的代谢组分.
目的 應用Boosting算法建立模型,對卵巢癌和非卵巢癌(卵巢囊腫和子宮肌瘤)患者的尿液代謝組數據進行分析,提取齣具有生物學意義的代謝組分,為卵巢癌的早期診斷及疾病機理提供線索.方法 將決策樹與Boosting算法相結閤,對患者的臨床樣品代謝組數據進行分析,併對代謝組分進行逐步篩選,得到鑒彆卵巢癌患者的重要代謝組分.結果 由Boosting模型得到的排序靠前的10箇差異代謝組分,能夠將卵巢癌與對照組患者進行較好的判彆分類,其ROC麯線下麵積達到瞭0.944.結論 Boosting模型可以有效地應用于卵巢癌代謝組數據,在保證較高的分類正確率的同時可以得到對分類起作用的重要的代謝組分.
목적 응용Boosting산법건립모형,대란소암화비란소암(란소낭종화자궁기류)환자적뇨액대사조수거진행분석,제취출구유생물학의의적대사조분,위란소암적조기진단급질병궤리제공선색.방법 장결책수여Boosting산법상결합,대환자적림상양품대사조수거진행분석,병대대사조분진행축보사선,득도감별란소암환자적중요대사조분.결과 유Boosting모형득도적배서고전적10개차이대사조분,능구장란소암여대조조환자진행교호적판별분류,기ROC곡선하면적체도료0.944.결론 Boosting모형가이유효지응용우란소암대사조수거,재보증교고적분류정학솔적동시가이득도대분류기작용적중요적대사조분.