机器学习和综合性多omics网络分析用于急性髓性白血病的生存预测
Α Kosvyra1, Α Karadimitris2, Μ Papaioannou3
1Laboratory of Computing, Medical Informatics and Biomedical Imaging Technologies, School of Medicine, Aristotle University of Thessaloniki, Thessaloniki, Greece.
Computers in biology and medicine
|June 14, 2024
概括
整合基因表达和甲基化数据可以改善急性髓性白血病 (AML) 的生存预测. 基于网络的方法增强了特征选择,优于标准技术,可以更好地预测患者的结果.
科学领域:
- 血液学 血液学 血液学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 急性髓性白血病 (AML) 是成人和儿童患的一种流行癌症.
- 在AML中准确预测结果需要先进的分析技术.
研究的目的:
- 为了提高AML患者的预后能力.
- 开发一种机器学习模型,使用多omics数据集成来预测AML存活率.
主要方法:
- 利用基于网络的特征选择方法.
- 综合基因表达和甲基化数据.
- 用人工智能和网络分析来构建模型.
主要成果:
- 综合的奥米克数据显著提高了预测准确度,而不是单一的奥米克数据.
- 确定了最佳的网络集成方法来选择功能.
- 与标准方法相比,基于网络的方法显示出更高的性能.
结论:
- 开发了一种用于AML生存预测的创新方法.
- 多层网络分析增强了功能选择,以提高预测能力.
- 提供了AML个性化治疗干预的基础.
更多相关视频
09:01Flow Cytometry to Estimate Leukemia Stem Cells in Primary Acute Myeloid Leukemia and in Patient-derived-xenografts, at Diagnosis and Follow Up
Published on: March 26, 2018
14.0K
06:33Author Spotlight: Analyzing Bone Marrow Microenvironment in Murine Hematological Malignancies
Published on: November 10, 2023
1.2K
