• Complex
  • Title
  • Keyword
  • Abstract
  • Scholars
  • Journal
  • ISSN
  • Conference
搜索

Query:

Refining:

Year

Submit

Type

Submit

Language

Submit

Clean All

Sort by:
Default
  • Default
  • Title
  • Year
  • WOS Cited Count
  • Scoups Cited Count
  • CNKI Cited Count
  • Wanfang Cited Count
  • CQVIP Cited Count
  • Impact factor
  • Ascending
  • Descending
< Page ,Total 1 >
肺鳞状细胞癌发生的早期标志物及肿瘤预测模型
期刊论文 | 2020 , 18 (4) , 223-235 | 生物信息学
Abstract & Keyword Cite

Abstract :

选取癌症基因组图谱数据库的肺鳞状细胞癌(Lung Squamous Cell Carcinoma,LUSC)样本作为数据集,在全基因组的水平上研究肺鳞状细胞癌病人从正常到发病I期基因表达的变化,寻找与LUSC发病密切相关的早期标志物,并建立一种基于早期标志基因的肿瘤预测模型.方法采用模式识别分类法和基因通路和功能分析相结合的筛选方法,对LUSC的早期标志物进行识别,并运用Fisher判别建立肿瘤预测模型.得到12个LUSC的早期标志物,分别是CLDN18,CD34,ESAM,JAM2,CDH5,F11,F8,CFD,MRC1,MARCO,SFTPA2和SFTPA1,机器学习建模后对LUSC早期癌症样本和正常肺组织样本的分类精度达到了98%以上.由基因SFTPA1和ESAM建立的LUSC早期肿瘤预测模型,对正常肺组织和LUSC肿瘤Ⅰ期样本的分类敏感性和特异性分别为99.18%和100%,并且独立验证集的分类准确率也在90%以上.结论筛选出的12个早期分子标志物有望成为LUSC诊断的标志分子,并且建立的肿瘤预测模型具有极高的准确性,可以为LUSC的发生机理研究以及早期肿瘤预测提供帮助.

Keyword :

肿瘤发生 诊断模型 基因表达 早期标志物 肺鳞状细胞癌

Cite:

Copy from the list or Export to your reference management。

GB/T 7714 尚文慧 , 王晓曦 , 李晓琴 et al. 肺鳞状细胞癌发生的早期标志物及肿瘤预测模型 [J]. | 生物信息学 , 2020 , 18 (4) : 223-235 .
MLA 尚文慧 et al. "肺鳞状细胞癌发生的早期标志物及肿瘤预测模型" . | 生物信息学 18 . 4 (2020) : 223-235 .
APA 尚文慧 , 王晓曦 , 李晓琴 , 高斌 . 肺鳞状细胞癌发生的早期标志物及肿瘤预测模型 . | 生物信息学 , 2020 , 18 (4) , 223-235 .
Export to NoteExpress RIS BibTex
基于随机森林的胃癌微阵列数据分析 CSCD CQVIP
期刊论文 | 2010 , 27 (2) , 1-4 | 生物学杂志
WanFang Cited Count: 6
Abstract & Keyword Cite

Abstract :

将研究重点从单个基因转移到基因信号通路,结合随机森林与信号通路分析了一组胃癌微阵列数据.通过研究基因在通路中的情况以及通路中的基因对胃癌肠型、弥漫型和正常组织样本的分类能力,扩展了随机森林在生物学中的应用,为胃癌的研究提供了新的思路.

Keyword :

胃癌 微阵列 随机森林 基因通路

Cite:

Copy from the list or Export to your reference management。

GB/T 7714 李建更 , 高志坤 , 阮晓钢 . 基于随机森林的胃癌微阵列数据分析 [J]. | 生物学杂志 , 2010 , 27 (2) : 1-4 .
MLA 李建更 et al. "基于随机森林的胃癌微阵列数据分析" . | 生物学杂志 27 . 2 (2010) : 1-4 .
APA 李建更 , 高志坤 , 阮晓钢 . 基于随机森林的胃癌微阵列数据分析 . | 生物学杂志 , 2010 , 27 (2) , 1-4 .
Export to NoteExpress RIS BibTex
10| 20| 50 per page
< Page ,Total 1 >

Export

Results:

Selected

to

Format:
Online/Total:197/5839831
Address:BJUT Library(100 Pingleyuan,Chaoyang District,Beijing 100124, China Post Code:100124) Contact Us:010-67392185
Copyright:BJUT Library Technical Support:Beijing Aegean Software Co., Ltd.