Apriori gene set-based microarray analysis for disease classification using unlabeled data
Conference proceedings article
ผู้เขียน/บรรณาธิการ
กลุ่มสาขาการวิจัยเชิงกลยุทธ์
ไม่พบข้อมูลที่เกี่ยวข้อง
รายละเอียดสำหรับงานพิมพ์
รายชื่อผู้แต่ง: Engchuan W., Chan J.H.
ผู้เผยแพร่: Elsevier
ปีที่เผยแพร่ (ค.ศ.): 2013
Volume number: 23
หน้าแรก: 137
หน้าสุดท้าย: 145
จำนวนหน้า: 9
นอก: 1877-0509
ภาษา: English-Great Britain (EN-GB)
ดูในเว็บของวิทยาศาสตร์ | ดูบนเว็บไซต์ของสำนักพิมพ์ | บทความในเว็บของวิทยาศาสตร์
บทคัดย่อ
Gene set-based microarray analysis allows researchers to better analyze the gene expression data for studying complex diseases like cancer. By transforming gene expression data into another form using gene set information, the biomarkers will have higher discriminative power and should result in more accurate disease classification. This work compares two techniques for applying our previously developed NCFS-i-based method to deal with unlabeled data, i.e. to make predictive diagnosis. Seven cancer datasets that include 4 breast cancer and 3 lung cancer datasets were used in this study. The results show that inferring gene set activity using curated phenotype-correlated genes (PCOGs) sets of training data is a more robust method for applying NCFS-i-based method to work with unlabeled data, providing biologically relevant gene sets. ฉ 2013 The Authors.
คำสำคัญ
Cancer classification, Feature Selection, Gene set activity, Microarray analysis
ติดต่อสอบถามเพิ่มเติมได้ที่