BioPred:用于精密医学中的生物标志物分析的R包.
Zihuan Liu1, Yan Sun1, Xin Huang1
1Data and Statistical Sciences, AbbVie Inc., North Chicago, IL, 60064, United States.
Bioinformatics (Oxford, England)
|October 7, 2024
概括
通过使用先进的机器学习来识别患者子组和预测生物标志物,R包BioPred有助于精准医学. 该工具优化了治疗规则,并增强了对药物开发中的患者群体的理解.
科学领域:
- 计算生物学是一种计算生物学.
- 生物统计学 生物统计学
- 精准医学是一门精准的医学.
背景情况:
- 精准医学旨在为个别患者量身定制治疗方法.
- 确定患者子组和预测生物标志物对于有效的治疗策略至关重要.
- 现有的工具可能缺乏对子组和生物标志物分析的全面功能.
研究的目的:
- 推出BioPred,这是一个R包,旨在用于精密医学中的子组和生物标志物分析.
- 为优化个性化治疗规则提供计算工具.
- 为了促进预测生物标志物的识别和排名.
主要方法:
- 使用极端梯度提升 (XGBoost) 进行预测建模.
- 包含倾向性得分权重和A学习方法来优化治疗规则.
- 提供用于子组识别和生物标志物重要性排名的功能.
主要成果:
- 通过BioPred,可以简化患者子组的识别.
- 该软件包有助于发现预测生物标志物及其重要性.
- 提供图形输出以加强生物标志物分析.
结论:
- 对于精准医学和药物开发领域的研究人员来说,BioPred是一个有价值的R包.
- 该工具增强了对生物标志物和患者群体的理解.
- 它支持通过高级分析来优化个性化治疗策略.


